[發明專利]一種基于多任務協同跨域遷移的醫學圖像自動分割方法

有效

• 申請號: 202010165367.4
• 申請日: 2020-03-11
• 公開（公告）號: CN111402257B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 彭佳林;易佳錦;賴松;袁直敏
• 申請（專利權）人: 華僑大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06N3/0455;G06N3/0464;G06N3/0475;G06N3/082;G06V10/774;G06V20/70
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

1.一種基于多任務協同跨域遷移的醫學圖像自動分割方法，其特征在于，具體包括如下步驟：

S1.在有標注的源域圖像數據集上訓練語義分割網絡；

S11:對源域圖像數據集進行預處理；

S12:將所述源域圖像數據集劃分為訓練集、驗證集，分別用于模型參數的優化和模型超參數的選擇或調整；

S13：利用所述訓練集和所述驗證集訓練語義分割網絡參數模型；

S14：保存所述語義分割網絡參數模型，用于預測和跨域模型遷移；

S2:在目標域圖像數據集上訓練基于多任務引導的跨域遷移語義分割網絡；

S21:對目標域圖像數據集進行預處理；

S22:將所述目標域圖像數據集劃分為訓練集與驗證集；

S23:利用所述步驟S12中源域圖像數據集的訓練集、所述步驟S22中目標域圖像數據集的訓練集、目標域圖像數據集的驗證集訓練基于多任務引導的跨域遷移網絡；

S24:保存生成的跨域遷移語義分割網絡的參數模型，用于目標域上的分割預測；

S3:利用所述語義分割網絡參數模型對屬于源域的新的圖像進行自動分割，利用所述跨域遷移語義分割網絡對屬于目標域的新的圖像進行自動分割；

所述的多任務引導的跨域遷移語義分割網絡包含四個子任務網絡：語義分割子網絡，采用全卷積編碼-解碼結構，用于提取和編碼來自源域的圖像及標注中的語義信息；重構子網絡，采用全卷積編碼-解碼結構，用于重構來自源域和目標域上的圖像，其輸入和輸出圖像具有相同的大小；分割對抗識別子網絡，采用全卷積網絡結構；特征對抗識別子網絡，采用卷積和全連接混合的網絡結構；

所述多任務引導的跨域遷移語義分割網絡同時使用源域圖像數據集、源域圖像數據集的標注和目標域圖像數據集進行參數優化；

所述多任務引導的跨域遷移語義分割網絡采用隨機梯度方法優化器交替優化語義分割子網絡、重構子網絡、分割對抗識別子網絡、特征對抗識別子網絡。

2.如權利要求1所述的一種基于多任務協同跨域遷移的醫學圖像自動分割方法，其特征在于，所述的預處理包括圖像去噪、直方圖均衡化。

3.如權利要求1所述的一種基于多任務協同跨域遷移的醫學圖像自動分割方法，其特征在于，所述語義分割網絡和語義分割子網絡結構均為包含編碼器和解碼器的全卷積網絡，采用交叉熵損失函數作為優化目標函數，采用隨機梯度方法作為優化器。

4.如權利要求1所述的一種基于多任務協同跨域遷移的醫學圖像自動分割方法，其特征在于，所述語義分割子網絡采用所述語義分割網絡參數模型作為初始化，輸出誤差損失函數為：

其中p_s和p_t分別為源域圖像x_s和目標域圖像x_t經過語義分割子網絡的分割預測結果，表示求數學期望，y_s為源域圖像x_s的標簽，c代表類別，此處為正類或負類。

5.如權利要求1所述的一種基于多任務協同跨域遷移的醫學圖像自動分割方法，其特征在于，所述重構子網絡采用標準正態分布隨機初始化參數，采用均方誤差函數作為損失函數以最小化重構圖像和原始圖像的誤差，即最小化如下目標函數：

其中和分別為源域圖像x_s和目標域圖像x_t經過重構子網絡的預測結果，表示求數學期望。

6.如權利要求1所述的一種基于多任務協同跨域遷移的醫學圖像自動分割方法，其特征在于，所述分割對抗識別子網絡以所述語義分割子網絡的預測分割結果為輸入，其輸出是與輸入同等大小的圖，輸出圖的每個像素取值范圍為[0,1],對應的目標域的標簽為0，源域的標簽為1；分割對抗識別子網絡參數通過最小化如下目標函數實現：

其中D_pred表示分割對抗識別子網絡，p_s和p_t分別為源域圖像x_s和目標域圖像x_t經過語義分割子網絡的分割預測結果，表示求數學期望。