[發明專利]基于腫塊差異化分類的全視野自適應分割網絡配置方法

在審

• 申請號: 202011140808.1
• 申請日: 2020-10-22
• 公開（公告）號: CN112241954A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 陳穎昭;焦佳佳
• 申請（專利權）人: 上海海事大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T7/194;G06T5/30;G06T5/40;G06N3/04;G06N3/08
• 代理公司: 上?；ロ槍＠硎聞账?普通合伙) 31332
• 代理人: 成秋麗

本發明提供基于腫塊差異化分類的全視野自適應分割網絡配置方法，包括對全視野的圖像進行預處理，增強圖像的局部對比度和減少其他噪音；對預處理后的圖像進行形態學的腐蝕操作，縮小每個腫塊的邊界，獲得目標圖像；對目標圖像喂入生成式對抗網絡進行分類，將目標圖像分為不規則多腫塊、圓滑多腫塊、不規則單腫塊以及圓滑單腫塊；將分類后的圖像進行形態學的膨脹操作，得到帶有分類標簽的圖像；進行四種分割網絡模型的設計和腫塊分割；根據分割指標衡量基于腫塊差異化分類的全視野自適應分割網絡的分割效果。本發明提供的基于腫塊差異化分類的全視野自適應分割網絡配置方法，相比于人工提取感興趣的目標腫塊區域更加智能化高效化。

技術領域

本發明涉及圖像分割技術領域，特別涉及基于腫塊差異化分類的全視野自適應分割網絡配置方法。

背景技術

近年來，隨著計算機視覺的不斷發展，圖像分割技術被應用到各行各業，其中，乳腺腫塊分割也受到眾多研究者的關注。乳腺鉬靶檢查是目前最常見的也是最有效的乳腺癌前期篩查方法。放射科醫生在乳腺鉬靶圖像分析的過程中，往往會受到主觀因素或者診斷經驗的影響，導致實體間與觀察者之間存在差異，因此使用計算機輔助檢測或診斷技術檢測鉬靶照片中的腫塊、鈣化等異常發揮了重要作用，因此設計一種有效地乳腺腫塊的分割輔助系統至關重要。

在過去的幾十年中，已經開展了大量的研究，用于開發乳腺鉬靶圖像的腫塊分割，其中深度學習在乳腺腫塊分割方面有著許多進展，但是目前對于乳腺腫塊的分割大多都是在人為或者借助檢測技術提取感興趣的目標腫塊區域后，再進行分割，而人為提取包含腫塊的目標區域對于放射科醫生來說是一項繁瑣而又困難的工作，因此構建全視野范圍的乳腺腫塊自動分割技術具有很高的應用價值，對于同時進行多個乳腺腫塊的識別與分割的研究少之又少。

發明內容

本發明的目的在于提供一種基于腫塊差異化分類的全視野自適應分割網絡配置方法，以解決人為或借助檢測技術提取感興趣的目標腫塊區域繁瑣及低效等問題。

為了解決上述技術問題，本發明的技術方案是：提供基于腫塊差異化分類的全視野自適應分割網絡配置方法，包括以下步驟：步驟1：對全視野的圖像進行預處理，增強圖像的局部對比度和減少其他噪音；步驟2：對預處理后的圖像進行形態學的腐蝕操作，縮小每個腫塊的邊界，獲得目標圖像；步驟3：對所述目標圖像喂入生成式對抗網絡進行分類，將所述目標圖像分為不規則多腫塊、圓滑多腫塊、不規則單腫塊以及圓滑單腫塊；步驟4：將分類后的圖像進行形態學的膨脹操作，還原由于步驟2中所進行的腐蝕操作而造成腫塊縮小，得到帶有分類標簽的圖像；步驟5：根據步驟3中四類目標圖像的特點分別進行四種分割網絡模型的設計和腫塊分割；步驟6：根據分割指標衡量基于腫塊差異化分類的全視野自適應分割網絡的分割效果。

進一步地，在步驟1中，對全視野的圖像進行預處理包括：直方圖均衡化、二值濾波以及伽馬變換。

進一步地，在步驟5中對四種分割網絡模型設計和腫塊分割：針對不規則多腫塊，采用在R2U-Net網絡基礎上增加注意力機制模塊的同時，增加空洞空間卷積池化金字塔模塊，并且將原有的循環卷積層替換為交叉特征累積模塊；針對圓滑多腫塊，采用在R2U-Net網絡基礎上增加注意力模塊的同時，增加多腫瘤感知模塊，所述多腫瘤感知模塊中每個卷積層使用三種不同大小的內核構建特征圖；針對不規則單腫塊，采用在R2U-Net網絡基礎上增加注意力機制模塊的同時，將超像素圖像和原始圖像連接起來作為本網絡的輸入，提取不規則腫塊的邊緣輪廓信息；針對圓滑單腫塊，在R2U-Net網絡基礎上增加注意力機制模塊，帶有所述注意力機制模型訓練的網絡抑制不相關區域并突出有用特征，自動學習聚焦于不同形狀和大小的目標結構。

進一步地，所述分割指標包括敏感性、特異性、準確率、查全率、骰子系數以及杰卡德相似系數。