[發(fā)明專利]基于語義分割網(wǎng)絡PSPNet的甲狀腺結節(jié)超聲圖像的分割方法

有效

• 申請?zhí)枺?/td>: 202011082848.5
• 申請日: 2020-10-12
• 公開（公告）號: CN112200815B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設計）人: 宋軍;趙蕾;韓修芹;樊紅彬;鄭天雷;楊娜;索晗
• 申請（專利權）人: 徐州醫(yī)科大學附屬醫(yī)院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/90;G06N3/04;G06N3/08
• 代理公司: 徐州先卓知識產(chǎn)權代理事務所(普通合伙) 32555
• 代理人: 陳俊杰

1.一種基于語義分割網(wǎng)絡PSPNet的甲狀腺結節(jié)超聲圖像的分割方法，其特征在于包括以下步驟：

步驟一：進行數(shù)據(jù)的采集及預處理，在超聲影像科采集甲狀腺結節(jié)疾病患者的超聲圖像，在病理科采集對應的病理診斷結果作為參照標準，由專家篩選審核剔除無效的圖像數(shù)據(jù)，結合病理診斷結果對甲狀腺超聲圖像進行手工標記，將圖像上的每個像素值分為甲狀腺結節(jié)、甲狀腺實質(zhì)和其他內(nèi)容這三類，這三類對應像素值分別為3、2、1；

步驟二：對語義分割網(wǎng)絡PSPNet進行訓練，將由專家篩選審核剔除無效的圖像數(shù)據(jù)后的超聲圖像輸入到語義分割網(wǎng)絡PSPNet，經(jīng)過語義分割網(wǎng)絡PSPNet生成語義分割圖像，通過交叉熵損失函數(shù)計算生成的語義分割圖像和在步驟一中手工標記的甲狀腺超聲圖像之間的損失，再將損失輸入到語義分割網(wǎng)絡PSPNet，語義分割網(wǎng)絡PSPNet根據(jù)損失調(diào)整訓練參數(shù)后進行下一輪的訓練，直到進行完最后一輪訓練后停止；

所述交叉熵損失函數(shù)公式為：

其中x為輸入網(wǎng)絡的原始超聲圖像，p(x)為超聲圖像中甲狀腺結節(jié)和實質(zhì)的真實分布，q(x)為超聲圖像中甲狀腺結節(jié)和實質(zhì)的非真實分布；

步驟三：對語義分割網(wǎng)絡PSPNet分割出來的結果進行測試，將需要測試的圖像輸入語義分割網(wǎng)絡PSPNet，得到語義分割圖像，再根據(jù)已經(jīng)標記好的掩模圖像，計算交并比和像素精度分割評價指標；

步驟四：分析語義分割網(wǎng)絡PSPNet的測試結果，如果結果未達到預期標準則需要調(diào)整網(wǎng)絡的單次訓練的樣本數(shù)、損失函數(shù)、學習率和優(yōu)化器參數(shù)，并再此對網(wǎng)絡進行訓練和測試，直到網(wǎng)絡達到預期標準。

2.根據(jù)權利要求1所述的一種基于語義分割網(wǎng)絡PSPNet的甲狀腺結節(jié)超聲圖像的分割方法，其特征在于，所述步驟三中的交并比計算表達式為：

其中A為網(wǎng)絡分割的甲狀腺實質(zhì)和結節(jié)掩膜，B為手工標記的甲狀腺結節(jié)和實質(zhì)掩膜，area(A)為網(wǎng)絡分割的甲狀腺實質(zhì)和結節(jié)區(qū)域，area(B)為手工標記的甲狀腺結節(jié)和實質(zhì)區(qū)域。

3.根據(jù)權利要求1所述的一種基于語義分割網(wǎng)絡PSPNet的甲狀腺結節(jié)超聲圖像的分割方法，其特征在于，所述步驟三中的像素精度計算表達式為：

其中TP為預測正確的正樣本，F(xiàn)P為預測錯誤的正樣本。