[發(fā)明專利]基于半監(jiān)督語義分割的肩部肌骨超聲結(jié)構(gòu)分割方法

有效

• 申請?zhí)枺?/td>: 202011152674.5
• 申請日: 2020-10-26
• 公開（公告）號: CN111968124B
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計）人: 盧漫;程建;王璐;劉鑫;陳玉蘭;張斯棋
• 申請（專利權(quán)）人: 四川省腫瘤醫(yī)院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市領(lǐng)專知識產(chǎn)權(quán)代理有限公司 11590
• 代理人: 陳有業(yè)

1.基于半監(jiān)督語義分割的肩部肌骨超聲結(jié)構(gòu)分割方法，其特征在于：包括以下步驟：

步驟S1：對獲取的若干切面肌骨超聲圖像進行預處理，得到標注后的強標注圖像集和弱標注圖像集；

步驟S2：使用標注后的強標注圖像集中的切面肌骨超聲圖像對生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)進行訓練，再使用標注后的弱標注圖像集中的切面肌骨超聲圖像對生成網(wǎng)絡(luò)進行反向優(yōu)化訓練，得到總生成網(wǎng)絡(luò)；

步驟S3：將肩部肌骨超聲圖像輸入訓練好的總生成網(wǎng)絡(luò)中，得到肩部肌骨超聲結(jié)構(gòu)分割圖；

所述對獲取的若干切面肌骨超聲圖像進行預處理，得到標注后的強標注圖像集和弱標注圖像集的步驟，包括：

將獲取的若干切面肌骨超聲圖像按照1:10的比例隨機劃分為強標注圖像集和弱標注圖像集；

對于強標注圖像集，對其中每一張切面肌骨超聲圖像進行肌肉骨骼結(jié)構(gòu)的分割標注，同時確定其切面類型標簽，得到強標注圖像集中每張切面肌骨超聲圖像的切面類型信息；按照分割標注分別統(tǒng)計強標注圖像集中每張切面肌骨超聲圖像的密度分布特征向量；

對于弱標注圖像集，對其中每一張切面肌骨超聲圖像進行肌肉骨骼結(jié)構(gòu)的分割標注，同時確定其切面類型標簽，得到弱標注圖像集中每張切面肌骨超聲圖像的切面類型信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述切面類型標簽包括肱二頭肌長頭腱短軸切面、肩胛下肌腱長軸切面、岡上肌腱長軸切面、肩關(guān)節(jié)治療切面、腋下關(guān)節(jié)囊切面，依次使用section=1,...,5來表示。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于：所述按照分割標注分別統(tǒng)計強標注圖像集中每張切面肌骨超聲圖像的密度分布特征向量的步驟，包括：

對每一個切面肌骨超聲圖像的切面進行二值化分類，將肌骨結(jié)構(gòu)和背景分為目標1和目標0；

選取切面肌骨超聲圖像的重心點作為形心，獲取切面肌骨超聲圖像的像素到形心的最大距離，以形心為中心向最大距離的像素劃分M個等間距的圓，包括一個中心圓和多個同心圓環(huán)，每一個圓環(huán)為一個子圖像區(qū)域；

對各個子圖像區(qū)域分別進行統(tǒng)計，計算每個子圖像區(qū)域內(nèi)目標像素的總數(shù)，并找出，計算子圖像區(qū)域的目標像素的相對密度向量；

計算子圖像區(qū)域的目標像素在極坐標方向的相對密度的一階數(shù)值差分：

形成2*M維密度分布特征向量。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于：所述使用標注后的強標注圖像集中的切面肌骨超聲圖像對生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)進行訓練的步驟，包括：

將標注后的強標注圖像集中的切面肌骨超聲圖像經(jīng)數(shù)據(jù)增強后輸入生成網(wǎng)絡(luò)，得到強標注圖像集對應(yīng)的預測圖；將強標注圖像集對應(yīng)的預測圖與對應(yīng)的分割標注做逐像素的交叉熵損失計算，得到生成網(wǎng)絡(luò)的損失，同時得到集合{預測圖，分割標注}；

在集合{預測圖，分割標注}中進行隨機抽樣，得到預測圖或分割標注，記預測圖為偽事件、分割標注為真事件的抽樣結(jié)果；將抽樣結(jié)果輸入判別網(wǎng)絡(luò)，得到強標注圖像集的真?zhèn)胃怕瘦敵觯?/p>

計算強標注圖像集的真?zhèn)胃怕瘦敵雠c實際值的一維交叉熵損失，得到強標注圖像集對應(yīng)的判別網(wǎng)絡(luò)的損失，根據(jù)強標注圖像集對應(yīng)的生成網(wǎng)絡(luò)的損失和判別網(wǎng)絡(luò)的損失得到總損失一：；

利用總損失一進行反向傳播優(yōu)化生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，對強標注圖像集中的切面肌骨超聲圖像進行多次迭代訓練，得到預訓練的生成網(wǎng)絡(luò)和預訓練的判別網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于：所述生成網(wǎng)絡(luò)包括以下模塊：

下采樣模塊，用于對輸入生成網(wǎng)絡(luò)的圖像進行的下采樣，構(gòu)建肌骨超聲圖像金字塔，該肌骨超聲圖像金字塔為5層；

特征融合模塊，用于對下采樣的肌骨超聲圖像由金字塔的第5層開始通過殘差卷積單元進行通道concatenate連接，卷積后的結(jié)果與上一層金字塔進行通道concatenate連接，直到金字塔所有層都完成卷積，得到特征圖像金字塔；

反卷積預測模塊，用于利用反卷積網(wǎng)絡(luò)對多類別肌骨超聲結(jié)構(gòu)分割生成像素分類置信度圖像。