[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
地址：	362000 福建省***	國省代碼：	福建;35
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于任務協同遷移醫學圖像自動分割方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明提供了一種基于多任務協同跨域遷移的醫學圖像自動分割方法，主要涉及利用基于多任務引導的跨域遷移網絡進行無監督自動分割。該方法包括：構建語義分割網絡，該網絡包括特征編碼分支與特征解碼分支；構建重構分支，構建基于特征空間與基于預測空間的自適應對抗網絡，包括基于特征空間的域判別器與基于預測空間的域判別器；最終利用重構分支引導語義分割網絡提取特征，用自適應對抗網絡完成跨域遷移，提高了在跨域醫學圖像上無監督自動分割的精度。

技術領域

本發明涉及深度學習與生物醫學領域，特別是指一種基于多任務協同跨域遷移的醫學圖像自動分割方法。

背景技術

對醫學圖像精確的分割，是理解大腦神經結構與功能的必要步驟。不同的醫學圖像往往能夠表現出不同的病理特征，利用醫學圖像的分割，能夠更加快速有效地對病源進行診斷。例如通過對線粒體醫學圖像的分割，能夠從對比中快速診斷出病人所患的疾病。因此，醫學圖像的自動分割方法是十分必要的。

目前應用最廣泛的生物醫學影像分割方法，是基于有監督學習的深度卷積神經網絡。但這些網絡均依賴于大量像素級的標注圖像。然而對醫學圖像進行像素級別的標注，是一件耗時費力、重復性大的工作，使得獲取大量的、有標簽的醫學圖像變得異常困難。因此，在進行語義分割任務時，將在有充分標簽的源域數據上訓練的模型良好地泛化應用在無標簽的目標域數據上，可以有效地緩解無標簽數據的訓練困難。

發明內容

本發明的主要目的在于對于無標注的醫學圖像數據集即目標域，如何利用類似但不同的有充分標注醫學圖像數據集即源域的訓練模型，實現對目標域圖像數據的語義分割，且本發明提出的方法，能夠有效提高跨域模型在目標域數據上的分割效果。

本發明采用如下技術方案：

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；

優選的，預處理可包括但不限于圖像去噪、直方圖均衡化等常見醫學圖像處理方法；

優選的，所述語義分割網絡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；

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；

優選的，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；