[發明專利]一種基于三維卷積神經網絡的肺葉分割方法及系統

有效

• 申請號: 202010324982.5
• 申請日: 2020-04-23
• 公開（公告）號: CN111563902B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 李彬;黃迪臻;田聯房
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/181;G06N3/04;G06N3/08;G06V10/774;G06V10/764;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于三維卷積神經網絡的肺葉分割方法，其特征在于，包括下述步驟：

構建肺葉分割的訓練圖像數據集；

構建基于三維卷積神經網絡的肺葉分割網絡并進行網絡訓練；

所述網絡訓練具體包括：

對訓練圖像數據集進行預處理；

基于U型結構搭建三維卷積神經網絡，對輸入數據進行下采樣提取特征，上采樣恢復原圖尺寸，輸出每個像素所屬類別概率圖；

采用Dice Loss損失函數計算每個像素所屬類別概率圖的損失，多個類別概率圖的損失進行加權得到總損失；

所述采用Dice Loss損失函數計算每個像素所屬類別概率圖的損失，多個類別概率圖的損失進行加權得到總損失，具體步驟包括：

采用邊界損失對邊界概率圖計算損失，邊界概率圖包括肺裂及肺邊界概率圖，邊界損失具體計算公式為：

其中，L_b表示肺裂及肺邊界損失，j表示類別，N表示所有體素點的數目，p_ij表示體素點i預測為第j類的概率，t_ij表示體素點i實際為第j類的概率，ε為正數；

采用左右肺損失對左右肺概率圖計算損失，左右肺損失具體計算公式為：

其中，k表示最后k層的概率圖，L_lung^(k)為最后k層的左右肺損失，j表示類別，N表示所有體素點的數目，p_ijk表示最后k層的概率圖中體素點i預測為第j類的概率，t_ijk表示最后k層的概率圖中體素點i實際為第j類的概率；

采用肺葉損失對肺葉概率圖計算損失，肺葉損失具體計算公式為：

其中，L_lobe^(k)為最后k層的肺葉損失，j表示類別，N表示所有體素點的數目，p_ijk表示最后k層的概率圖中體素點i預測為第j類的概率，t_ijk表示最后k層的概率圖中體素點i實際為第j類的概率；

采用深度監督損失對非最后一層的左右肺概率圖計算損失，深度監督損失具體計算公式為：

總損失的計算公式為：

L＝λ_bL_b+λ_lungL_lung⁽¹⁾+λ_lobeL_lobe⁽¹⁾+λ_deepL_deep

其中，L為總損失，L_b、L_lung⁽¹⁾、L_lobe⁽¹⁾、L_deep分別為肺裂及肺邊界損失、左右肺損失、肺葉損失和深度監督損失，λ_b、λ_lung、λ_lobe、λ_deep為對應損失的權重；

設置權重衰減和學習率衰減，訓練網絡直至網絡收斂；

將待測圖像進行預處理后輸入到訓練好的肺葉分割網絡，輸出預測結果；

將預測結果經過后處理還原至待測圖像原始輸入尺寸，獲得最終分割結果。

2.根據權利要求1所述的基于三維卷積神經網絡的肺葉分割方法，其特征在于，所述構建肺葉分割訓練圖像數據集，具體步驟包括：

所述肺葉分割訓練圖像數據集標注肺區域及肺葉；

根據已標注的肺區域及肺葉，采用邊界提取算法提取左右肺邊界及肺裂，作為附加的標注內容。

3.根據權利要求2所述的基于三維卷積神經網絡的肺葉分割方法，其特征在于，所述采用邊界提取算法提取左右肺邊界及肺裂，具體步驟包括：所述邊界提取算法采用三維輪廓提取算法，先對二值化的標注區域填充孔洞，再提取三維輪廓，獲得右肺邊界及左肺邊界，肺裂像素點根據標注的肺葉區域進行提取，若像素點的設定鄰域內存在不同標簽的肺葉像素，則將像素點標注為肺裂像素點。