[發明專利]一種基于弱監督的大腦磁共振圖像分割方法

有效

• 申請號: 202011060583.9
• 申請日: 2020-09-30
• 公開（公告）號: CN112508844B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 孔佑勇;孫君校;吳飛;伍家松;楊冠羽;舒華忠
• 申請（專利權）人: 東南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T7/30
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 葉涓涓

本發明公開了一種基于弱監督的大腦磁共振圖像分割方法，包括以下步驟：使用超體素匹配方法實現待分割圖像與參考圖像之間的匹配，使得待分割圖像的超體素獲得標簽，在待分割圖像匹配的超體素中，選擇高置信度的超體素組成種子區域；建立一種腦組織分割網絡模型BTSNet，以選擇的種子區域作為監督標簽，指導網絡訓練，獲得圖像每個體素的類別概率；采用了深度種子區域增長方法，以當前種子區域為基礎，使用卷積網絡輸出的類別概率，更新種子區域；最后，迭代腦組織分割網絡與深度種子區域增長兩個步驟，直至種子區域覆蓋整個圖像，輸出分割結果。本發明能夠在只使用少量參考圖像的超體素級別標簽的條件下實現腦MRI圖像的準確分割。

技術領域

本發明涉及數字圖像處理技術領域，涉及使用語義分割網絡來做大腦磁共振圖像，更為具體的說，是涉及一種基于弱監督的大腦磁共振圖像分割方法。

背景技術

醫學圖像語義分割是近些年來醫學圖像研究的熱點，但是基于深度學習的方法往往需要大量的訓練數據來保證分割的效果，這會帶來巨大的工作量，特別是圖像標簽的獲取。像素級別的標簽的獲取是非常的費時費力，因此弱監督學習的方法逐漸受到研究人員的關注。弱監督學習是指為了完成某個計算機視覺任務，采用比該任務更弱的標注作為監督信息。但目前，尚無在大腦圖像分割領域應用弱監督學習的可行技術方案。

發明內容

為解決上述問題，本發明提供了一種基于弱監督的大腦磁共振圖像分割方法，只需少量圖像的標注，通過超體素匹配的方式來獲得所有圖像的初始標注，送入卷積神經網絡中獲得像素級別的概率，利用深度種子生長的方式更新標注圖像，更新后的圖像在監督卷積神經網絡，不斷迭代直至達到指定的迭代次數。

為了達到上述目的，本發明提供如下技術方案：

一種基于弱監督的大腦磁共振圖像分割方法，包括如下步驟：

步驟1，使用超體素匹配方法實現待分割圖像與參考圖像之間的匹配；

步驟1-1，根據簡單線性迭代算法生成圖像的超體素；

步驟1-2，超體素匹配方法，包括如下子步驟：

步驟1-2-1，提取超體素特征并度量相似性，使用SuperPatch表示超體素，通過計算兩個超體素對應的SuperPatch之間的距離來表示它們的特征相似性；

步驟1-2-2，采用基于位置先驗的超體素匹配方法找到每個超體素的最近鄰超體素；

步驟1-3，選擇高置信度的超體素組成種子區域；

步驟2，設計一種BTSNet模型，該模型結合ResNeXt模塊、ASPP模塊和SELU激活函數，以選擇的種子區域作為監督標簽，指導網絡訓練，獲得圖像每個體素的類別概率；

步驟3，采用深度種子區域增長方法，以當前種子區域為基礎，使用卷積網絡輸出的類別概率，更新種子區域；

步驟4，采用更新后的種子區域標簽再來訓練BTSNet；不斷進行步驟2和步驟3，直至達到指定的迭代次數。

進一步的，所述步驟1-2-1包括如下過程：