[發(fā)明專利]基于改進(jìn)的U-Net網(wǎng)絡(luò)對(duì)MRI腦腫瘤圖像的分割方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110764245.1
• 申請(qǐng)日: 2021-07-06
• 公開（公告）號(hào): CN113628220A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 王晶晶;于子舒;趙文瀚;孫增釗;李鴻禎;張波;趙蒙蒙;劉建偉
• 申請(qǐng)（專利權(quán)）人: 山東師范大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 祖之強(qiáng)

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，提供了一種基于改進(jìn)的U?Net網(wǎng)絡(luò)對(duì)MRI腦腫瘤圖像的分割方法及系統(tǒng)。該方法包括，獲取待分割的MRI腦腫瘤圖像，將其輸入訓(xùn)練好的改進(jìn)的U?Net網(wǎng)絡(luò)，得到標(biāo)記有分割腫瘤的圖像；所述改進(jìn)的U?Net網(wǎng)絡(luò)包括：引入帶有雙注意力機(jī)制的殘差模塊替換U?Net網(wǎng)絡(luò)的卷積層，在U?Net網(wǎng)絡(luò)中引入帶有注意力機(jī)制的擴(kuò)張金字塔模塊，并且在每層跳過連接后引入雙注意力機(jī)制。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于改進(jìn)的U-Net網(wǎng)絡(luò)對(duì)MRI腦腫瘤圖像的分割方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

腦瘤是人腦中不必要的、不受控制的細(xì)胞生長(zhǎng)，根據(jù)其起源可分為原發(fā)性和繼發(fā)性。原發(fā)性腦瘤從腦細(xì)胞開始，并擴(kuò)散到大腦的其他部位。繼發(fā)性或轉(zhuǎn)移性腫瘤起源于身體的其他部位并擴(kuò)散到大腦。目前對(duì)腦腫瘤分割的研究主要集中在膠質(zhì)瘤上，根據(jù)世界衛(wèi)生組織(WHO)的標(biāo)準(zhǔn)，膠質(zhì)瘤被分為4個(gè)等級(jí)，包括I級(jí)星形細(xì)胞瘤、II級(jí)少突膠質(zhì)瘤、III級(jí)非彈性膠質(zhì)瘤和IV級(jí)多形性膠質(zhì)瘤(GBM)。在臨床實(shí)踐中，神經(jīng)腫瘤學(xué)反應(yīng)評(píng)估(RANO)于2015年發(fā)布的標(biāo)準(zhǔn)被迅速用于確定膠質(zhì)瘤等級(jí)。

醫(yī)學(xué)影像技術(shù)，包括計(jì)算機(jī)斷層掃描(CT)、單光子發(fā)射計(jì)算機(jī)斷層掃描(SPECT)、正電子發(fā)射斷層掃描(PET)、磁共振波譜(MRS)和磁共振成像(MRI)可以提供關(guān)于腦瘤的形狀、大小、位置和代謝的寶貴信息，以支持診斷和治療計(jì)劃。然而，由于良好的軟組織對(duì)比度和廣泛的可用性，MRI被認(rèn)為是一種標(biāo)準(zhǔn)技術(shù)。核磁共振是一種非侵入性的體內(nèi)成像技術(shù)，它使用射頻信號(hào)來激發(fā)目標(biāo)組織，并在非常強(qiáng)大的磁場(chǎng)影響下產(chǎn)生其內(nèi)部圖像。在圖像采集過程中，通過改變激發(fā)和重復(fù)時(shí)間可以產(chǎn)生MR成像序列，包括T1加權(quán)MRI(T1-w)、T2加權(quán)MRI(T2-w)、T1加權(quán)MRI與釓對(duì)比增強(qiáng)(T1-c)和流體衰減反轉(zhuǎn)恢復(fù)(FLAIR)。

在臨床實(shí)踐中，腦腫瘤是由放射科醫(yī)生根據(jù)多模式的腦部MR圖像手動(dòng)劃定的，由于腦部圖像的位置、大小、形態(tài)變化、與正常腦組織的強(qiáng)度相似度等方面的變化，以及受試者之間的解剖學(xué)差異，使得腦腫瘤的劃定很耗時(shí)，而且存在主觀差異性，缺乏重復(fù)性。另一方面，通過MR圖像對(duì)腦腫瘤進(jìn)行定量檢查是另一個(gè)重要問題，因?yàn)樗梢院芎玫亓私獯竽X受腫瘤影響的情況，但其準(zhǔn)確性會(huì)受到組織間低對(duì)比度、噪聲和強(qiáng)度不均勻性的影響。因此，醫(yī)生很難整合從多種模式的MR圖像中獲得的腦腫瘤的相關(guān)信息。從這個(gè)角度來看，在T1-w、T1-c、T2-w和FLAIR中對(duì)腦腫瘤進(jìn)行準(zhǔn)確的自動(dòng)分割，對(duì)正常和異常腦組織的定量分析和評(píng)價(jià)起著至關(guān)重要的作用。

近年來，深度卷積神經(jīng)網(wǎng)絡(luò)發(fā)展迅速，在醫(yī)學(xué)影像領(lǐng)域取得了許多重要研究成果。例如，Ronneberger等人在2015年提出的U-Net神經(jīng)網(wǎng)絡(luò)在很大程度上提高了圖像分割的準(zhǔn)確性，但它仍然存在一些問題。

綜上，現(xiàn)有技術(shù)中存在以下技術(shù)問題：

傳統(tǒng)U-Net網(wǎng)絡(luò)隨著網(wǎng)絡(luò)深度的增加，可能會(huì)出現(xiàn)梯度消失或梯度爆炸的情況；

多尺度特征對(duì)于準(zhǔn)確分割腦瘤是非常重要和必要的。但U-Net網(wǎng)絡(luò)并不能處理MR圖像的多尺度信息；

U-Net引入了跳過連接，以避免在解碼過程中丟失大量的空間精細(xì)背景信息。但是跳過連接將編碼器提取的圖集直接連接到解碼器的相應(yīng)層，但這導(dǎo)致了低層次特征中大量的冗余信息；

發(fā)明內(nèi)容

為了解決上述背景技術(shù)中存在的技術(shù)問題，本發(fā)明提供一種基于改進(jìn)的U-Net網(wǎng)絡(luò)對(duì)MRI腦腫瘤圖像的分割方法及系統(tǒng)，其能夠獲得精確度高的分割圖像。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

本發(fā)明的第一個(gè)方面提供一種基于改進(jìn)的U-Net網(wǎng)絡(luò)對(duì)MRI腦腫瘤圖像的分割方法。

一種基于改進(jìn)的U-Net網(wǎng)絡(luò)對(duì)MRI腦腫瘤圖像的分割方法，包括：