[發明專利]一種基于U-Net網絡改進的乳腺MRI分割方法

在審

• 申請號: 202110488056.6
• 申請日: 2021-04-30
• 公開（公告）號: CN113192035A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 王波;童守迪;范紅賓;袁鵬;王狄
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/12;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于U-Net網絡改進的乳腺MRI分割方法，其特征在于，基于動態對比增強磁共振成像(DCE-MRI)，具體步驟為，

Q1.建立一個用于乳腺分割的2D卷積神經網絡。

Q2.將3D乳腺DCE-MRI數據進行切片，同時保存2D圖像在3D空間中的位置索引信息，生成2D乳腺數據。

Q3.準備數據集，對2D乳腺數據進行預處理，增加對比度，歸一化和數據增強(翻轉，平移，鏡像)，數據集包括訓練集+測試集。

Q4.利用訓練集訓練神經網絡，得到一個全卷積神經網絡模型。

Q5.使用得到的網絡模型分割測試集中乳腺MRI數據，得到2D分割結果，將2D分割結果按序拼接得到3D分割結果。

2.根據權利1要求所述的一種基于U-Net網絡改進的乳腺MRI分割方法，其特征在于，在Q1步驟中，2D卷積神經網絡(附圖4)的構建，具體如下：

卷積神經網絡的輸入是一個512*512的灰度圖和一個長度為108的一維位置索引向量(one-hot編碼方式)，輸出是512*512的二值圖像；網絡結構由左、右、上三個部分構成，網絡的左側是輸入圖像的Encoder部分，右側是輸入圖像的Decoder部分，上方是對一維位置索引向量的Encoder部分；

網絡的卷積層采用Dense Block(附圖4)，每個Block由(BN+ReLu+Conv3*3)構成。網絡上方索引向量的Encoder部分先通過向量和向量轉置的乘積生成108*108矩陣，再經過上采樣調整成512*512大小的索引圖。該索引圖經過Dense Block和下采樣調整通道數和特征圖大小，然后與網絡左側每一次下采樣前輸出的各維特征圖進行特征融合(對兩個特征圖求和)。在網絡右側的上采樣過程中，將Encoder階段輸出的各維特征圖經過通道-空間注意力模塊后，與Decoder階段的各維輸出拼接。

3.根據權利要求1所述的一種基于U-Net網絡改進的乳腺MRI分割方法，其特征在于，在Q1步驟中，對于輸入的一維位置索引向量，首先通過向量和向量轉置的乘積生成108*108矩陣，再經過上采樣調整成512*512大小的索引圖，從而使索引圖和輸入圖像大小相同。

4.根據權利要求1所述的一種基于U-Net網絡改進的乳腺MRI分割方法，其特征在于，在Q2步驟中，對3維空間數據進行切片時保存2維平面數據在3維空間中的位置索引，從而在Q4步驟中與2維圖像數據一起作為輸入。

5.根據權利要求1所述的一種基于U-Net網絡改進的乳腺MRI分割方法,其特征在于，在步驟Q2中，位置索引數據具體為：以3維數據中2維切片的個數為長度的一維向量，采用one-hot編碼格式，即2D切片對應于3D空間中位置索引為1，其余為0。

6.根據權利要求1所述的一種基于U-Net網絡改進的乳腺MRI分割方法,其特征在于，在Q4步驟中，采用類U-Net框架的全卷積神經網絡以2D乳腺DCE-MRI數據和該2D數據所在3D數據中的位置索引作為輸入，來訓練全卷積神經網絡，訓練過程中使用二進制交叉熵與Dice的和作為損失函數，圖像規格為1.5*1.5*1.5mm³的分辨率。

7.根據權利要求3所述的一種基于U-Net網絡改進的乳腺MRI分割方法，其特征在于，DSC(Dice Similarity Coefficient)損失函數，其形式定義為：

Loss＝1-DSC(y_network,y_{gold-standard})

其中：

DSC表示骰子相似系數，GS為預測標簽，SEG為真實標簽，n(·)表示所包含面積中的像素數量。

8.根據權利要求1所述的一種基于U-Net網絡改進的乳腺MRI分割方法，其特征在于，在Q1步驟中,使用的通道-空間注意力模塊為CBAM，見附圖3。