[發明專利]一種基于人工智能的腦卒中MRI圖像病灶區域分割方法

在審

• 申請號: 202110302126.4
• 申請日: 2021-03-22
• 公開（公告）號: CN113139972A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 顏成鋼;高宇涵;彭開來;孫垚棋;張繼勇;張勇東
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于人工智能的腦卒中MRI圖像病灶區域分割方法。在Unet++的基礎上增加了注意力機制，使得網絡能夠把注意力集中到對特定任務有用的顯著特征，抑制輸入圖像中的不相關區域。結合了密集連接、深監督和注意力機制，進一步提高算法精度。本發明方法結合了Unet++中的密集連接和深監督的減小語義差異和權衡速度和精度的優點，又增加了注意力機制，可以抑制不相關背景區域的特征響應，不需要裁剪網絡間的ROI；整合了不同層次的特征提升了精度，靈活的網絡結構配合深監督，讓參數量巨大的深度網絡在可接受的精度范圍內大幅度的縮減參數量。

技術領域

本發明涉及圖像處理領域，具體涉及一種基于人工智能的腦卒中MRI病灶區域分割方法。

背景技術

磁共振成像是斷層成像的一種，它利用磁共振現象從人體中獲得電磁信號,并重建出人體信息。從磁共振圖像中我們可以得到物質的多種物理特性參數。

腦卒中是一種急性腦血管疾病，是由于腦部血管突然破裂或因血管阻塞導致血液不能流入大腦而引起腦組織損傷的一組疾病，包括缺血性和出血性卒中。據調查，腦卒中已成為我國第一位死亡原因，具有發病率高、死亡率高和致殘率高的特點。因此，在手術前讓醫生知曉準確的病灶區域尤為重要。

U-Net是應用在醫學圖像分割最著名的網絡，它最初是一個用于二維圖像分割的卷積神經網絡。U-Net的結構左側可視為一個編碼器，右側可視為一個解碼器。編碼器有四個子模塊，每個子模塊包含兩個卷積層，每個子模塊之后有一個通過max pool實現的下采樣層。解碼器包含四個子模塊，分辨率通過上采樣操作依次上升，直到與輸入圖像的分辨率一致。該網絡還使用了跳躍連接，將上采樣結果與編碼器中具有相同分辨率的子模塊的輸出進行連接，作為解碼器中下一個子模塊的輸入。

UNet++可以抓取不同層次的特征，將它們通過特征疊加的方式整合，不同層次的特征對于大小不一的目標對象的敏感度是不同的。U-Net++中的長連接聯系了輸入圖像的很多信息，有助于還原降采樣所帶來的信息損失。UNet++采用可剪枝的深監督，測試時，剪掉部分對剩余結構不做影響，訓練時，剪掉部分對剩余部分有影響。在深監督的過程中，每個子網絡的輸出已經是圖像的分割結果了，所以如果小的子網絡的輸出結果已經足夠好，就可以隨意的剪掉那些多余的部分。

發明內容

針對現有技術中存在的不足，本發明提供一種基于人工智能的腦卒中MRI圖像病灶區域分割方法。

本發明提出了一種基于人工智能的腦卒中MRI圖像病灶分割的AUnet++方法，在Unet++的基礎上增加了注意力機制，使得網絡能夠把注意力集中到對特定任務有用的顯著特征，抑制輸入圖像中的不相關區域。結合了密集連接、深監督和注意力機制，進一步提高算法精度。

一種基于人工智能的腦卒中MRI圖像病灶區域分割方法，步驟如下：

S1:圖像獲取及預處理。

在網上獲取帶有病灶分割標簽的腦部MRI圖像公開數據集。對圖像進行平移、旋轉、水平翻轉的操作對數據集進行擴充。將數據分為訓練集和測試集兩部分。

通過歸一化、等比例縮放、裁剪的預處理操作得到標準的腦部MRI圖像。

S2：病灶區域分割。

將大小統一的MRI圖像輸入到AUnet++網絡中。所述的AUnet++網絡以Unet++為基礎，結構左側為一個編碼器，右側為一個解碼器。編碼器有四個子模塊，每個子模塊包含兩個卷積層，每個子模塊之后有一個通過最大池化實現的下采樣層。解碼器包含四個子模塊，每個子模塊包含兩個卷積層，每個子模塊之后有一個上采樣層。只保留最短的跳躍連接并在每個跳躍連接的末端，對提取到的特征實現注意力機制。

S3：網絡優化。