[發明專利]一種醫學影像數據的圖像分割方法

在審

• 申請號: 202110441410.X
• 申請日: 2021-04-23
• 公開（公告）號: CN113205521A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 楊格;趙瑞瑋;馮瑞
• 申請（專利權）人: 復旦大學;珠海復旦創新研究院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04;G06N3/08
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 王偉珍

1.一種醫學影像數據的圖像分割方法，用于針對存在領域偏移的第一醫學影像數據與第二醫學影像數據進行圖像分割，其特征在于，包括如下步驟：

步驟S1，利用所述第一醫學影像數據對U-Net神經網絡進行訓練，從而得到訓練好的U-Net分割模型；

步驟S2，基于所述第一醫學影像數據以及所述第二醫學影像數據訓練生成式對抗神經網絡，從而得到訓練好的GAN模型；

步驟S3，將所述第二醫學影像數據輸入所述GAN模型，該GAN模型中的生成器將所述第二醫學影像數據轉化為圖像風格與所述第一醫學影像數據類似的修正醫學影像數據；

步驟S4，利用所述U-Net分割模型對所述修正醫學影像數據進行圖像分割，從而得到與所述第二醫學影像數據對應的分割結果。

2.根據權利要求1所述的醫學影像數據的圖像分割方法，其特征在于：

其中，所述GAN模型的訓練過程包括如下步驟：

步驟T1，利用所述生成式對抗神經網絡中的生成器對所述第二醫學影像數據進行轉換得到訓練用醫學影像數據；

步驟T2，利用所述生成式對抗神經網絡中的判別器判別所述訓練用醫學影像數據是否與所述第一醫學影像數據風格類似，判別為真時進入步驟T3，判別為否時進入步驟T4；

步驟T3，基于所述第一醫學影像數據以及所述第二醫學影像數據構建所述判別器的判別損失函數，基于該判別損失函數更新所述判別器，直到所述判別器判別為所述訓練用醫學影像數據與所述第一醫學影像數據風格不類似；

步驟T4，基于所述第一醫學影像數據以及所述第二醫學影像數據構建所述生成器的生成損失函數，基于該生成損失函數更新所述生成器，直到所述判別器判別為所述訓練用醫學影像數據與所述第一醫學影像數據風格類似；

步驟T5，重復所述步驟T3以及所述步驟T4，直到所述生成式對抗神經網絡中的各層模型參數收斂，從而得到所述訓練好的GAN模型。

3.根據權利要求1所述的醫學影像數據的圖像分割方法，其特征在于：

其中，所述生成式對抗神經網絡為Pix2pix網絡。

4.根據權利要求1所述的醫學影像數據的圖像分割方法，其特征在于：

其中，所述步驟S1包括如下子步驟：

步驟S1-1，將所述第一醫學影像數據分批次輸入所述U-Net神經網絡中，從而完成一次迭代；

步驟S1-2，對所述U-Net神經網絡中最后一層的模型參數計算出損失誤差，基于該損失誤差通過反向傳播算法更新所述U-Net神經網絡；

步驟S1-3，重復所述步驟S1-1至所述步驟S1-2直到所述U-Net神經網絡中各層模型參數收斂，從而得到所述U-Net分割模型。

5.根據權利要求4所述的醫學影像數據的圖像分割方法，其特征在于：

其中，所述損失誤差由交叉熵損失函數基于所述第一醫學影像數據以及該第一醫學影像數據對應的真實標簽計算得到。

6.根據權利要求1所述的醫學影像數據的圖像分割方法，其特征在于：

其中，所述第一醫學影像數據以及所述第二醫學影像數據分別來自不同的設備或者研究機構。