[發明專利]一種醫學超聲圖像分割方法

有效

• 申請號: 201911409096.6
• 申請日: 2019-12-31
• 公開（公告）號: CN111179275B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 車博;袁浩瀚;羅亮;陳智;方俊;熊雯
• 申請（專利權）人: 電子科技大學;四川省人民醫院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T5/00
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.一種醫學超聲圖像分割方法，其特征在于，包括以下步驟：

步驟1、對待分割超聲圖像數據進行預處理，得到訓練集、驗證集數據；

步驟2、對訓練集、驗證集數據做數據增強，包括：

1)采用離線增強增加訓練數據的數據量：采用旋轉變換與水平翻轉變換，做10倍增強；

2)利用在線增強增強網絡模型的泛化性：采用旋轉變換、尺度變換、縮放變換、平移變換、顏色對比度變換，用在線迭代器方式在增強數據多樣性的同時減少內存壓力；

步驟3、構建多輸入多輸出空洞卷積U型網絡，包括：

1)多輸入下采樣模塊：下采樣模塊一共4層，多輸入采用圖像多尺度思想，對輸入數據做大小放縮，變為8:4:2:1的四副數據，分別與進網絡的一二三四下采樣層融合；下采樣模塊利用卷積層與最大池化層完成底層特征獲取，依次獲得特征圖；每一層的卷積核大小為3×3，采用空洞卷積r＝2，即在常規卷積核中加入間隔從而增加圖像感受野，第一層到第四層的卷積核數量大小分別為32、64、128、256；

2)上采樣模塊：上采樣模塊一共4層，采用反卷積作為上采樣方式，并利用上采樣模塊依次擴大特征圖像尺寸，減少通道數量，最終得到與輸入數據相同大小的預測圖；每一層的卷積核大小為3×3，從第一層到第四層的卷積核數量大小分別為256、128、64、32；

3)深度監督多輸出模塊：對標簽做4次大小變換，形成8:4:2:1的四副數據，依次作為4層上采樣的輸出層的訓練標簽；

步驟4、將訓練集數據輸入構建的U型網絡進行訓練，得到學習后的卷積神經網絡模型，并在驗證集上進行調參，直到得到最優的模型及其對應參數，獲得訓練好的U型網絡；

步驟5、將預處理后的待分割超聲圖像數據輸入訓練好的U型網絡，得到每個像素的分割結果。

2.根據權利要求1所述的一種醫學超聲圖像分割方法，其特征在于，在數據增強和空洞卷積U型網絡模塊，其中數據增強包括：

1)通過對原始數據的離線增強，提高數據的利用率；

2)通過對原始數據的在線增強，進一步增強網絡的魯棒性的同時減少服務器的內存壓力；

空洞卷積U型網絡模塊包括：

1)通過多輸入模塊對圖像數據進行縮放，并將其與下采樣層融合從而進一步增強圖像利用率并提高網絡對于圖像特征提取的能力；

2)在下采樣與上采樣的過程中加入空洞卷積層，從而增大感受野大小，改善由于卷積帶來的圖像細節損失問題。