[發(fā)明專(zhuān)利]一種基于SP-FCN的MRI腦腫瘤圖像分割系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010597350.6
• 申請(qǐng)日: 2020-06-28
• 公開(kāi)（公告）號(hào): CN111932549B
• 公開(kāi)（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 王晶晶;張春慧;杜勇濤;于子舒;欒振業(yè)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東師范大學(xué)
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): G06T7/11;G06V10/25;G06V10/80;G06V10/762;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李圣梅

本公開(kāi)提出一種基于SP?FCN的MRI腦腫瘤圖像分割系統(tǒng)及方法，通過(guò)超像素方法提取不同模態(tài)的腦腫瘤圖像的特征，得到不同模態(tài)下的ROI分割結(jié)果，將不同模態(tài)的ROI圖像作為FCN的輸入數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合，得到最終的分割結(jié)果，通過(guò)不同模態(tài)的ROI圖像作為輸入不僅減少了數(shù)據(jù)的計(jì)算量，還使得最后的結(jié)果更加精確；同時(shí)，采用多模態(tài)圖像融合會(huì)比單個(gè)模態(tài)圖像更容易捕捉白質(zhì)病變圖像的差異，多重配準(zhǔn)可以提高算法的穩(wěn)定性。

技術(shù)領(lǐng)域

本公開(kāi)屬于醫(yī)學(xué)圖像處理與深度學(xué)習(xí)領(lǐng)域，尤其涉及一種基于SP-FCN的MRI腦腫瘤圖像分割系統(tǒng)及方法。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開(kāi)相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

關(guān)于MRI腦腫瘤圖像分割方法的應(yīng)用，在醫(yī)學(xué)領(lǐng)域的發(fā)展都相對(duì)成熟。隨著人們生命安全意識(shí)的提高以及醫(yī)學(xué)圖像處理技術(shù)在模式識(shí)別、物理和計(jì)算機(jī)等領(lǐng)域的廣泛應(yīng)用，在腦腫瘤圖像分割精度和速度方面，都提出了較高的要求。因此，要實(shí)時(shí)準(zhǔn)確地實(shí)現(xiàn)腦腫瘤圖像的分割，達(dá)到腦腫瘤圖像分割的要求，必須要建立一種高效、準(zhǔn)確的基于SP-FCN的腦腫瘤圖像分割方法，有效的減少分割時(shí)間，提高M(jìn)RI腦腫瘤圖像分割的準(zhǔn)確率，為醫(yī)學(xué)領(lǐng)域提供實(shí)時(shí)、準(zhǔn)確的腦腫瘤分割方法，以便于醫(yī)學(xué)工作人員及時(shí)發(fā)現(xiàn)問(wèn)題，提前做出決策。

發(fā)明人發(fā)現(xiàn)，現(xiàn)有技術(shù)中，針對(duì)MRI腦腫瘤圖像分割問(wèn)題，主要是利用深度學(xué)習(xí)算法實(shí)現(xiàn)，一般的處理流程是先對(duì)圖像進(jìn)行預(yù)處理，提取有用特征，最后根據(jù)提取的特征訓(xùn)練模型實(shí)現(xiàn)分割；對(duì)于MRI腦腫瘤圖像分割問(wèn)題，常用的方法有基于區(qū)域、基于閾值和基于邊緣檢測(cè)等分割方法，基于區(qū)域的分割方法對(duì)于噪音比較敏感，基于閾值的分割方法在選取最佳閾值時(shí)是一個(gè)難點(diǎn)，基于邊緣檢測(cè)的分割方法分割精度低，此外，由于MRI圖像復(fù)雜多變，在提取圖像特征的過(guò)程中，可能出現(xiàn)圖像內(nèi)組織對(duì)比度低、偽影干擾的情況，從而影響到后續(xù)圖像分割的準(zhǔn)確率；同時(shí)，對(duì)于MRI腦腫瘤圖像分割問(wèn)題，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)雖然具有很好的泛化能力，但是在模型訓(xùn)練過(guò)程中收斂速度太慢，導(dǎo)致訓(xùn)練時(shí)間過(guò)長(zhǎng)，此外還存在容易陷入局部極小值、收斂速度慢、對(duì)初始設(shè)置的參數(shù)依賴(lài)性很強(qiáng)等問(wèn)題，特別是對(duì)于一些深度的神經(jīng)網(wǎng)絡(luò)，有可能出現(xiàn)梯度爆炸或者梯度消失等情況。

發(fā)明內(nèi)容

本公開(kāi)為了解決上述問(wèn)題，提出了一種基于SP-FCN的MRI腦腫瘤圖像分割系統(tǒng)及方法，通過(guò)超像素方法提取不同模態(tài)MRI腦腫瘤圖像的特征，并通過(guò)FCN網(wǎng)絡(luò)對(duì)多種模態(tài)的ROI區(qū)域進(jìn)行融合，有效提高了腦腫瘤圖像區(qū)域的分割精度。

根據(jù)本公開(kāi)實(shí)施例的第一個(gè)方面，提供了一種基于SP-FCN的MRI腦腫瘤圖像分割系統(tǒng)，包括：

圖像采集模塊，用于利用核磁共振儀獲取同一樣本不同模態(tài)的MRI腦腫瘤圖像，并將腦腫瘤圖像區(qū)域劃分為大小相等的圖像塊；

超像素計(jì)算模塊，用于對(duì)所述圖像塊進(jìn)行超像素計(jì)算；

超像素分割模塊，用于基于圖像塊的超像素結(jié)果進(jìn)行光譜聚類(lèi)，對(duì)超像素進(jìn)行分割，獲得腫瘤超像素和非腫瘤超像素；

腫瘤圖像識(shí)別模塊，用于在原始MRI腦腫瘤圖像中識(shí)別出腫瘤超像素所在的圖像塊，得到不同模態(tài)MRI腦腫瘤圖像的ROI圖像；

腫瘤圖像分割模塊，用于將不同模態(tài)的ROI圖像輸入FCN網(wǎng)絡(luò)模型進(jìn)行圖像融合，獲得腫瘤區(qū)域分割結(jié)果。

進(jìn)一步的，所述腫瘤識(shí)別模塊根據(jù)獲得的腫瘤超像素結(jié)果，在原始圖像中識(shí)別出腫瘤超像素所在的圖像塊，考慮到腫瘤可以通過(guò)腫瘤塊進(jìn)行擴(kuò)張，因此需要對(duì)腫瘤圖像塊的相鄰塊進(jìn)行識(shí)別，獲取完整的腫瘤圖像塊。

進(jìn)一步的，所述腫瘤圖像塊的相鄰塊的識(shí)別包括：

計(jì)算每個(gè)腫瘤圖像塊及其相鄰塊的LBP直方圖，通過(guò)直方圖計(jì)算腫瘤圖像塊與其相鄰塊的相似度，當(dāng)相似度結(jié)果超過(guò)設(shè)定閾值時(shí)，該相鄰塊被認(rèn)定為腫瘤塊，以該腫瘤快為中心繼續(xù)進(jìn)行相鄰塊的識(shí)別操作，直到所有腫瘤塊與其相鄰塊之間不存在相關(guān)性。