[發明專利]基于尺度和序列關系的骨盆核磁共振圖像肌肉骨骼分割方法

有效

• 申請號: 202110132264.2
• 申請日: 2021-01-31
• 公開（公告）號: CN112750131B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 閆朝陽;徐軍;魯浩達
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐博

1.基于尺度和序列關系的骨盆核磁共振圖像肌肉骨骼分割方法，其特征在于：利用核磁共振圖像序列中的連續序列關系和不同肌肉、骨骼對象的不同尺度內容進行骨盆圖像中密集肌肉、骨骼的自動分割，具體步驟如下：

步驟1，人工在數字化的核磁共振圖像三維序列中手動標記多類肌肉骨骼結構區域；

步驟2，針對核磁共振圖像三維數據進行采樣，以連續的三張切面為一組，得到偽RGB三通道的二維圖像數據，然后對二維圖像數據進行標準化的圖像預處理；

步驟3，基于序列關系和不同肌肉骨骼的圖像內容的尺度差異構建肌肉骨骼對象自動分割模型；

步驟4，模型優化，采用自適應權重的交叉熵損失函數和DICE損失進行優化，其中，交叉熵損失的權重值由每一類的dice指標值的線性給定；

步驟5，對于新采集的數字化的核磁共振圖像三維序列，進行采樣得到偽RGB三通道的圖像數據后送入到肌肉骨骼對象自動分割模型中，得到對應于三通道中心切面的骨骼肌肉位置預測結果，并按照采樣順序進行三維的融合，得到對應于核磁共振圖像三維序列的預測結果；

步驟3中所述的自動分割模型包含編碼器、解碼器、尺度感知模塊SCaM和序列感知模塊SLiM；

所述的編碼器用以提取核磁共振圖像單一切面的高維特征；所述的解碼器用于從深層語義特征中恢復空間信息所述的尺度感知模塊SCaM通過不同大小感受野融合深層特征圖中的不同尺度信息；所述的序列感知模塊SLiM用于融合單一序列以及其上一序列和下一序列的深層特征。

2.如權利要求1所述的基于尺度和序列關系的骨盆核磁共振圖像肌肉骨骼分割方法，其特征在于：步驟2中采樣得到的核磁共振圖像三維數據為X∈R^H×W×S，得到的偽RGB三通道的二維圖像數據為x∈R^H×W×3。

3.如權利要求2所述的基于尺度和序列關系的骨盆核磁共振圖像肌肉骨骼分割方法，其特征在于：所述的編碼器共執行三次下采樣操作用以提取核磁共振圖像單一切面的高維特征，每次下采樣操作包含兩個步長為1、邊緣填充為1、3×3卷積核的連續卷積，以及一個2×2卷積核的最大池化操作；每次卷積運算之后均有批標準化和ReLU激活函數；編碼器執行的三次下采樣操作的特征通道數分別被設置為c，2c和4c。

4.如權利要求3所述的基于尺度和序列關系的骨盆核磁共振圖像肌肉骨骼分割方法，其特征在于：所述的解碼器共執行三次上采樣操作，每次上采樣操作包含一個2×2卷積核的反卷積操作和兩個步長為1、邊緣填充為1、3×3卷積核的連續卷積操作；其中，每個卷積后面是批標準化和ReLU激活函數；解碼器三次上采樣操作的特征通道數分別是4c，2c和c；在每次反卷積后，將編碼器中與解碼器對應位置的特征進行特征拼接。

5.如權利要求4所述的基于尺度和序列關系的骨盆核磁共振圖像肌肉骨骼分割方法，其特征在于：所述的序列感知模塊SLiM用于融合某一序列x_i∈R^H×W×1及其上一序列x_i-1和下一序列x_i+1的深層特征張量，具體步驟為：

步驟S1.1，將步驟2得到的每個三通道二維圖像x∈R^H×W×3分別送入編碼器部分進行特征提取：采用2.5D的策略，即三通道二維圖像x的每個通道單獨進行特征提取，編碼成一列三組特征張量V_ei，使用特征拼接來融合三組特征張量，獲得融合后的特征張量V_en；

步驟S1.2，通過非線性映射方式得到的新的融合特征張量V_e，即執行兩個連續的卷積，步長為1，填充為1、卷積核為3*3，每個卷積都跟著批標準化和ReLU函數操作，再將得到的新的融合特征張量V_e送入到尺度感知模塊SCaM中，用于不同尺度類別的語義信息學習。