[發明專利]一種醫學圖像中肝臟及其病灶分割的方法

有效

• 申請號: 202010180378.X
• 申請日: 2020-03-16
• 公開（公告）號: CN111402268B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 奚雪峰;鄭志華;程成;崔志明;胡伏原;付保川
• 申請（專利權）人: 蘇州科技大學;蘇州金比特信息科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/30;G06T5/00;G06N3/0464;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 王玉國

1.一種醫學圖像中肝臟及其病灶分割的方法，其特征在于：

首先將腹部CT圖像數據進行篩選及整合預處理，并劃分成多個不同用處的數據集，然后搭建新的神經網絡，使用小圖數據進行初始訓練；

之后，保存訓練好的模型，使用原圖和新的數據增強方式進行二次訓練，對預測的圖片進行膨脹和腐蝕處理，用醫學評價指標進行評測；

分別用DL、GDL、TL損失函數訓練的模型預測結果，將上述三個損失模型的預測結果相加取平均值形成融合特征，最后修改網絡，把三個損失模型融合在單個網絡進行訓練預測；

具體包括以下步驟：

a)首先，數據篩選及整合；

將訓練的數據集剔除掉沒有肝臟的切片，然后打亂成19000～20000張3d切片，3d切片是當前切片和其前后兩張切片作為整體輸入，選取其中的17000～18000張切片作為訓練集，剩下的1800～1900張切片作為驗證集，70個病人序列用于測試，其中訓練集大小分為224×224和512×512；

b)然后，搭建新的神經網絡，使用小圖數據進行初始訓練；

把Unet中U型路徑設置為主路徑，全路徑加上ResNet結構形成編解碼結構，密集跳轉連接在DenseNet基礎上換成1×1的卷積層，在肝臟和病灶的過渡地帶，肝臟輸出的信息成為病灶的輸入和卷積，肝臟其他層的輸出短連接至病灶對應深度的輸入；

通過網絡訓練縮小成224×224的數據，把有效的權重分布應用在后續模型訓練上，對調整后的圖片訓練40～60輪，每輪12～16份切片，在訓練過程中將圖片進行旋轉、放大、縮小，并以隨機概率組合；

c)繼而，使用原圖和新的數據增強方式進行二次訓練；

在縮小的圖片數據上訓練模型之后，保留網絡結構和權重分布，將原圖以旋轉、縮放、翻轉、拉伸的概率組合，使用新的學習率再進行二次訓練；

d)最后，通過調整損失函數組合方式得到不同的醫學評價結果。

2.根據權利要求1所述的一種醫學圖像中肝臟及其病灶分割的方法，其特征在于：步驟d)，通過單個最優損失函數模型和基于權重及相似性相結合的損失模型做不同層的監督信號，得到不同的評價結果。

3.根據權利要求2所述的一種醫學圖像中肝臟及其病灶分割的方法，其特征在于：步驟c)使用原圖和新的數據增強方式進行二次訓練，原圖即是512×512大小，對圖片進行旋轉、縮放、翻轉、拉伸操作，以隨機概率組合，采用指數衰減學習率，調整每輪衰減大小調節變化，方程如下：

上述公式，衰減后的學習率decayed_learning_rate，由先設定的初始學習率learning_rate乘以基數衰減速度decay_steps，衰減速度設定為0.8～0.9，每global_step步進行衰減，global_step是當前迭代輪數，即多少輪可迭代完所有的樣本數據，初始學習率設定為1e-3～3e-3，在原圖訓練時設定為1e-4～3e-4，結果是學習率以基數0.8～0.9每一輪的步數進行衰減。