[發(fā)明專利]一種基于ORSU-Net的腫瘤圖像分割方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110389723.5
• 申請日: 2021-04-12
• 公開（公告）號: CN113205094A
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計）人: 羅斌;李露;楊琨;王行環(huán)
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/40;G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明公開了一種基于ORSU?Net的腫瘤圖像分割方法和系統(tǒng)，本發(fā)明將OctConv卷積代替?zhèn)鹘y(tǒng)的卷積，并與U?Net結(jié)合，從而提出一種新的用于腫瘤分割的ORSU?Net網(wǎng)絡(luò)，對圖像增強處理后的前后的幀使用一種新的ORSU?Net，來更好地利用局部和全局上下文信息來提高分割效果。ORSU?Net遵循U?Net的基本結(jié)構(gòu)，通過卷積操作提取特征，經(jīng)下采樣編碼處理，提取膀胱鏡腫瘤數(shù)據(jù)不同尺度的特征信息。然后卷積神經(jīng)網(wǎng)絡(luò)后半部分解碼模塊對降采樣處理后的膀胱鏡腫瘤數(shù)據(jù)集進行上采樣處理恢復(fù)數(shù)據(jù)集的空間維度并補償細(xì)節(jié)；同時，卷積神經(jīng)網(wǎng)絡(luò)中間部分，通過跳躍層連接，將網(wǎng)絡(luò)底層的信息傳輸?shù)缴顚泳W(wǎng)絡(luò)中。與傳統(tǒng)的方法相比，使用八度卷積的方法能夠進一步減少計算量和內(nèi)存消耗，同時提高分割的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像分割、醫(yī)工結(jié)合領(lǐng)域，特別是涉及一種基于ORSU-Net的腫瘤分割方法和系統(tǒng)。

背景技術(shù)

膀胱癌作為全球第九大惡性腫瘤，而膀胱癌的標(biāo)準(zhǔn)診斷和檢測手段仍然依賴于白光膀胱鏡檢查。在全球每年進行著超過百萬例的膀胱鏡檢查。膀胱腫瘤的高復(fù)發(fā)性使得需要醫(yī)護人員經(jīng)常性的監(jiān)測和干預(yù)。而在藍(lán)光膀胱鏡下可以檢測到白光膀胱鏡下不易檢測到的乳頭狀腫瘤和扁平病變。雖然藍(lán)光膀胱鏡可以改善腫瘤的檢查，但它需要在術(shù)前膀胱內(nèi)灌注六偏氨基磺酸鹽和特殊的熒光膀胱鏡，所以我們要適度的采用藍(lán)光膀胱鏡檢查。因此，需要一種低成本、無創(chuàng)、實時的、易于實用的輔助成像技術(shù)來解決白光膀胱鏡的診斷缺陷。

許多研究人員應(yīng)用現(xiàn)有的技術(shù)提出了各種自動分割系統(tǒng)。早期的系統(tǒng)是建立在傳統(tǒng)方法上的，主要通過邊緣檢測濾波器和數(shù)學(xué)方法。

從2000年代開始由于計算機硬件設(shè)備的進步，深度學(xué)習(xí)方法開始嶄露頭角，并開始展示其在圖像處理任務(wù)中的強大能力。隨著基于深度學(xué)習(xí)的自動圖像處理技術(shù)的發(fā)展，采用深度學(xué)習(xí)的方法可以解決白光膀胱鏡檢查中腫瘤識別的局限性。卷積神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)復(fù)雜關(guān)系并將現(xiàn)有知識納入推理模型的能力，具有很大的發(fā)展前景。而醫(yī)學(xué)圖像具有圖像語義較為簡單、結(jié)構(gòu)較為固定、圖像數(shù)據(jù)量少以及具有多模態(tài)等特點，需要更好的設(shè)計網(wǎng)絡(luò)去提取不同模態(tài)的特征，達(dá)到更好的效果。U-Net自2015年提出以來，在醫(yī)學(xué)分割方面取得了很好的效果，它由于把編碼特征加入到解碼特征中，可以在小數(shù)據(jù)量下取得很好效果，但是由于U-Net網(wǎng)絡(luò)不夠深，對特征的表達(dá)不夠準(zhǔn)確，導(dǎo)致在一些情況下的效果不明顯。

發(fā)明內(nèi)容

為了解決白光膀胱鏡檢查的局限性，我們使用卷積神經(jīng)網(wǎng)絡(luò)來開發(fā)一個深度學(xué)習(xí)算法，用于增強白光膀胱鏡的腫瘤檢測能力。開發(fā)膀胱鏡腫瘤檢測助手，在醫(yī)生進行膀胱鏡檢查的同時，進行實時腫瘤檢測分割，以防止醫(yī)生出現(xiàn)漏檢情況。

為了達(dá)到上述目的，本發(fā)明提供的技術(shù)方案是：一種基于ORSU-Net的腫瘤圖像分割方法，包括如下步驟：

步驟1)，數(shù)據(jù)集獲取：采集醫(yī)學(xué)膀胱鏡檢測視頻，并從視頻流中選取膀胱腫瘤關(guān)鍵幀制作訓(xùn)練樣本，并對其使用不規(guī)則框進行標(biāo)注，將圖像中的每個像素劃分其對應(yīng)的類別，實現(xiàn)像素級別的分類；

步驟2)，數(shù)據(jù)集預(yù)處理：對制作的數(shù)據(jù)集進行圖像增強以及圖像去噪預(yù)處理以解決在測試過程中會遇到的分割問題；

步驟3)，訓(xùn)練網(wǎng)絡(luò)模型：構(gòu)建一種新的ORSU-Net分割網(wǎng)絡(luò)模型，使用步驟2中生成的訓(xùn)練樣本訓(xùn)練構(gòu)建好的網(wǎng)絡(luò)模型，生成預(yù)測掩碼；

所述ORSU-Net分割網(wǎng)絡(luò)模型的結(jié)構(gòu)包括依次連接的：輸入層—第二組合模塊—輸出層；

第二組合模塊包括編碼器模塊和解碼器模塊，其中編碼器模塊包含n1個八度卷積層和n2個下采樣層，解碼器模塊與之對稱的包含n2個上采樣層和n1個八度卷積層，通過殘差連接融合局部特征和多尺度特征；

步驟4)，計算損失函數(shù)：計算預(yù)訓(xùn)練腫瘤預(yù)測分割結(jié)果與腫瘤分割真值之間的損失；

步驟5)，優(yōu)化網(wǎng)絡(luò)：將損失函數(shù)作為優(yōu)化目標(biāo)函數(shù)，使分割網(wǎng)絡(luò)模型參與網(wǎng)絡(luò)優(yōu)化中梯度后向傳播過程，實現(xiàn)腫瘤圖像分割的優(yōu)化。