[發明專利]基于MU-Net應用于CT影像的顱內出血病灶分割算法

有效

• 申請號: 202110336555.3
• 申請日: 2021-03-29
• 公開（公告）號: CN113160232B
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 劉萍萍;寧港軍;石立達;周求湛
• 申請（專利權）人: 吉林大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G16H30/20;G06N3/04
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 李智慧

本發明公開了一種基于MU?Net應用于CT影像的顱內出血病灶分割算法，所述顱內出血病灶分割算法在基于U?Net的基礎上提出了一個新的分割結構MU?Net，并將其應用到顱內出血分割任務中。在編碼器模塊，引入了Res2Net的網絡模塊。這樣的設計可以提取更精細的多尺度特征，并增加特征圖的感受野。為了減少編碼層和解碼層對應層次之間存在的語義鴻溝，提出了多編碼信息融合模塊(MIF)，通過對特征進行信息融合有效地彌補解碼器丟失的全局信息。除此之外，為了進一步減小編碼器解碼器之間的語義鴻溝并且聚集多尺度信息，本發明提出了新的解碼器模塊(MDB)。

技術領域

本發明屬于智能醫學影像處理領域，涉及一種基于MU-Net應用于CT影像的顱內出血病灶分割算法。

背景技術

顱內出血(Intracranial Hemorrhage,ICH)是一種發生在腦室內或腦組織中的出血性疾病。顱內出血包含：腦室內出血(IVH)、腦實質性出血(IPH)、蛛網膜下腔出血(SAH)、硬膜外出血(EDH) 和硬膜下血腫(SDH)。診斷顱內出血是醫學領域的一個重要挑戰。確定顱內出血的部位是治療病人的關鍵。目前的診斷顱內出血的方法是對大腦進行CT掃描。由于腦組織、血液、肌肉和骨骼等對X射線吸收特性不同，CT掃描會產生高對比度圖像，然后供醫生查看。顱內出血病灶分割的研究針對的是存在顱內出血的CT切片，進一步得到出血病灶的區域。這類研究可以輔助醫師估計出血量、預測死亡率等。

在顱內出血病灶分割領域，U-Net網絡已經展現了顯著的性能優勢。然而，U-Net的網絡設計仍存在以下問題：U-Net的編碼層的卷積操作過于簡單，并不能提取更精細的特征；U-Net的跳躍連接設計使得淺層編碼層的特征將直接與深層解碼層的特征進行連接，這意味著解碼層將引入不相關的噪聲從而導致像素的錯誤分類；解碼層的雙線性插值的上采樣方法無法聚集多尺度特征信息，從而影響圖像病灶的邊緣和細節的還原，限制了網絡的分割性能。

發明內容

為了解決目前顱內出血病灶分割領域U-Net分割性能不佳的問題，本發明提供了一種基于MU-Net應用于CT影像的顱內出血病灶分割算法。

本發明的目的是通過以下技術方案實現的：

一種基于MU-Net應用于CT影像的顱內出血病灶分割算法，包括如下步驟：

步驟一、數據獲取

從DICOM格式的醫學CT影像得到CT圖像值，對得到的CT圖像值進行開窗操作，合成圖片并保存成NIFTI格式；

步驟二、數據擴充

(1)CT圖像和標簽進行通道融合得到融合圖像；

(2)將融合圖像進行數據增強處理，得到新融合圖像；

(3)將新融合圖像進行通道拆分，得到新CT圖像；

步驟三、在特征編碼器模塊中加入Res2Block

(1)輸入1×1卷積計算，其輸出的特征圖通道數設為n，引入超參數s表示將特征圖的通道分成多少個組，則每個尺度的特征圖的通道數w＝n/s；

(2)均分后每個組的特征設為x_i,i∈{1,2,...,s}，定義K_i()為3×3 的卷積核，其輸出為y_i，每個子特征x_i與K_i-1()相加，然后作為K_i()的輸入，y_i的表達式：

(3)將每個尺度的輸出特征進行通道拼接；

(4)將拼接之后的特征圖進行1×1的卷積操作，進而得到這個 block的輸出；

步驟四、在解碼器模塊中設計加入MD模塊