[發(fā)明專利]一種基于DDAUnet的食管腫瘤分割方法

在審

• 申請?zhí)枺?/td>: 202110302558.5
• 申請日: 2021-03-22
• 公開（公告）號: CN113069137A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設計）人: 潘曉光;焦璐璐;董虎弟;韓丹;馬文芳
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: A61B6/03
• 分類號: A61B6/03
• 代理公司: 太原榮信德知識產(chǎn)權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種基于DDAUnet的食管腫瘤分割方法，其特征在于：包括下列步驟：

S100、數(shù)據(jù)采集：獲取食管癌患者相關CT掃描圖像，進行圖像標注，完成模型訓練所需數(shù)據(jù)集的構建；

S200、數(shù)據(jù)預處理：包括數(shù)據(jù)擴增、數(shù)據(jù)劃分、圖像縮放和歸一化；

S300、模型構建：構建基于DDAUnet的分割網(wǎng)絡模型，輸入訓練數(shù)據(jù)，完成參數(shù)模型的搭建；

S400、模型保存：當模型的損失函數(shù)不再降低之后，保存模型；

S500、模型評價：通過MSD和HD評價方法對保存的模型進行評估。

2.根據(jù)權利要求1所述的一種基于DDAUnet的食管腫瘤分割方法，其特征在于：所述S100數(shù)據(jù)采集中，使用Brilliance Big Bore掃描儀對食管癌患者進行身體檢測，在五個在不同時間點對患者進行重復CT掃描獲得CT圖像，3個時間點僅包含1次3DCT掃描，2個時間點包括1次3DCT掃描和1次4DCT掃描，共10個呼吸期，每次掃描包含58-108個切片，平均體素厚度0.98×0.98×3mm3，將獲得的CT圖像進行切片處理，利用MD對獲得的二位軸向切片進行真實分割，獲得對應的標注圖像，完成原始數(shù)據(jù)集的構建。

3.根據(jù)權利要求1所述的一種基于DDAUnet的食管腫瘤分割方法，其特征在于：所述S200數(shù)據(jù)預處理中，數(shù)據(jù)擴增、數(shù)據(jù)劃分、圖像縮放、歸一化方式分別如下：

數(shù)據(jù)擴增：分別對訓練集數(shù)據(jù)進行45度，90度，135度旋轉(zhuǎn)，并調(diào)整數(shù)據(jù)對比度、亮度，對數(shù)據(jù)進行擴增，將變換后的數(shù)據(jù)與原訓練集混合，構建新的數(shù)據(jù)集；

數(shù)據(jù)劃分：使用交叉驗證法將數(shù)據(jù)集D劃分為k個大小相似的互斥子集，每個子集盡可能保持數(shù)據(jù)分布的一致性，用(k-1)個子集的并集作為訓練集，余下的子集作為測試集；

圖像縮放：將數(shù)據(jù)劃分后得到的所有數(shù)據(jù)進行縮放，以便輸入模型，將其按照大小比例全部調(diào)整為統(tǒng)一尺寸512×512；

數(shù)據(jù)歸一化：對所有數(shù)據(jù)進行歸一化操作，方式為對每個像素點除以225，

4.根據(jù)權利要求1所述的一種基于DDAUnet的食管腫瘤分割方法，其特征在于：所述S300模型構建中，基于DDAUnet構建圖像分割模型，網(wǎng)絡由兩層組成，一層為用于提取上下文特征的下采樣路徑，另一層為用于提取過程中丟失的分辨率的上采樣路徑，在每個層次上，使用膨脹密集空間和通道注意塊即DDSCAB，由膨脹密集塊DDB和空間注意門SpA和通道注意門ChA1組成，在DDSCAB塊的各層之間使用循環(huán)連接模式，通過重用特征映射提供了深度監(jiān)督，而擴展的層則以指數(shù)方式增加接受域，空間注意門被用于主要的構建塊，并鼓勵網(wǎng)絡集中精力從腫瘤鄰接處提取特征，通道注意門用于Une的收縮和擴展路徑之間的跳躍連接，用于過濾不相關的特征映射，以改進訓練過程。

5.根據(jù)權利要求1所述的一種基于DDAUnet的食管腫瘤分割方法，其特征在于：所述S300模型構建中，對于每個膨脹密集模塊，R是子DDB的數(shù)量，在每個子DDB中，有R個3×3×3空洞率為2的空洞卷積和R個1×1×1空洞率為1的空洞卷積，分別使用BN和ReLU激活函數(shù)進行操作，DDB的輸出是前面所有子DDB的連接，在DDBs中，采用1×1×1卷積層作為瓶頸層，用于壓縮特征映射的數(shù)量，提高計算效率，利用θ壓縮系數(shù)對每個DDB中的特征映射進行壓縮，然后將DDB輸出信號分別輸入到空間注意門和通道注意門，分別選擇性地過濾與食管癌無關的空間特征，從而改進訓練過程。

6.根據(jù)權利要求1所述的一種基于DDAUnet的食管腫瘤分割方法，其特征在于：所述S300模型構建中，在下采樣路徑中，膨脹密集的空間和通道注意塊DDSCAB后面跟著1×1×1空洞率為1的空洞卷積，之后進行BN和ReLU操作，使用1×1×1卷積層并不影響網(wǎng)絡的接受域，但是增加了層間的非線性，在下采樣路徑的末端和上采樣路徑中，每個DDSCAB后面都跟著3×3×3空洞率為1的空洞卷積，之后進行BN和ReLU操作，通過通道注意門來過濾不相關的特征映射，實現(xiàn)收縮路徑與擴展路徑之間的跳躍連接，最后，分割網(wǎng)絡模型的概率輸出將分為腫瘤區(qū)和非腫瘤區(qū)。