[發明專利]基于多重擴張路徑的醫學影像深度分割網絡

在審

• 申請號: 202110259383.4
• 申請日: 2021-03-10
• 公開（公告）號: CN112785592A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 許錚鏵;王波;王磊
• 申請（專利權）人: 河北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/194;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 付長杰

本發明為基于多重擴張路徑的醫學影像深度分割網絡，該神經網絡包括以多個串聯的殘差網絡編碼模塊構成的收縮編碼路徑、以多個串聯的殘差網絡解碼模塊構成的擴張解碼路徑，共有N個擴張解碼路徑，后N?1個擴張解碼路徑構成多重擴張路徑；通過跳躍連接將收縮編碼路徑上的語義特征圖與在相鄰的擴張解碼路徑上相同分辨率的對應級別特征圖在通道維度上進行拼接；多重擴張路徑中每個路徑的殘差網絡解碼模塊中Sigmdid激活函數處理后的語義特征圖與下一個擴張解碼路徑上對應級別的殘差網絡解碼模塊中的特征圖在通道維度上進行拼接。該方法以引入多重擴張路徑對收縮編碼路徑實現多重監督，降低網絡對噪聲擾動的敏感性，提高分割網絡的分割魯棒性。

技術領域

本發明涉及基于多重擴張路徑的醫學影像深度分割網絡及針對醫學影像的語義分割方法。

背景技術

醫學影像分割在基于計算機輔助診斷系統的臨床診療過程中有著非常重要的作用，例如：在對腫瘤的影像學初篩、部分腫瘤的確診、放射治療方案制定以及手術治療方案的制定等過程中，均需要實現對相關腫瘤病灶的精確識別分割。當前，在醫學臨床影像復雜、讀片分析過程極具專業經驗性以及對醫學影像分割結果的臨床要求高等臨床實際與分析技術背景下，完全端到端的醫學影像自動化讀片分析技術還不成熟，主要還是依賴于具有豐富專業技術經驗的放射科醫師去完成對采集到的醫學影像的分割任務。然而，以人工的方式分割醫學影像，每完成對一張醫學影像的分割分析，均需要耗費大量的時間精力，故而對大量的醫學影像進行分割是一項具有龐大工作量的事情。此外，受到所用成像儀器、成像環境、醫師工作疲勞度等客觀因素與醫師自身專業的主觀經驗的影響，對同一病例影像的分析結果往往可能會出現一定偏差。因此，實現端到端的對臨床醫學影像的高效準確的自動化分割具有著重要的理論價值與社會經濟效益。

在深度學習方法全面發展前，主要是通過傳統的圖像處理方法或者相應的機器學習算法實現對醫學影像的分割。例如邊緣檢測濾波器等數學方法，然后手工提取特征等技術方法。然而，這些方法無法滿足臨床診療過程對醫學影像分割精度以及算法可移植性的要求。近年來，卷積神經網絡以對圖像的歐氏空間特征優秀的特征提取能力，獲得了很好的圖像分割性能表現。基于深度神經網絡的醫學影像分割是指通過利用深度卷積神經網絡等深度學習方法，學習醫學影像中的目標特征，并有選擇地將感興趣的目標器官組織或者炎癥、囊腫與腫瘤等病灶靶區以輪廓或區域掩碼形式自動標注。

當前針對醫學影像的深度神經網絡分割方法主要可以分為兩類，一類是基于全卷積神經網絡，通過將VGG、GoogLeNet、ResNet等用于解決圖像分類問題的卷積神經網絡改造成可以實現圖像分割的密集預測神經網絡。基于全卷積神經網絡的圖像分割思路，如SegNet、Deeplab、RefineNet、DANet等系列圖像分割卷積神經網絡。然而由于醫學影像分割任務與自然圖像分割任務存在的差異性問題，Ronneberger等人在InternationalConference on Medical Image Computing and Computer-Assisted Intervention(MICCAI2015)上發表的論文U-Net:Convolutional Networks for Biomedical ImageSegmentation提出了U-Net網絡應用于醫學影像的語義分割。該網絡左側部分(即收縮編碼路徑)由卷積和池化構成一系列編碼采樣操作，收縮編碼路徑由4個模塊層組成，每個模塊層使用了3層卷積和1層池化降采樣；網絡右側部分(即擴張解碼路徑)同樣由4個模塊層組成，每個模塊層開始之前通過反卷積將特征圖尺寸擴大兩倍，然后和左側對稱的收縮編碼路徑的特征圖合并。最近幾年，有研究人員通過向U-Net網絡中引入多尺度模塊、注意力機制等特征提取優化方法，并以更寬更深的龐大網絡引導分割模型獲得更加精細的分割結果。但這些方法往往需要付出極大的計算成本，計算量大，同時在面對醫學影像數據量較少的情況下容易發生模型過擬合的情況。因此，亟需提出一種可以解決上述問題的醫學影像分割方法。

因此，針對醫學影像分割任務需要一種結構簡潔、分割性能精確并且魯棒性好的端到端醫學影像分割網絡。

發明內容