[發明專利]一種全類型主動脈夾層真假腔圖像分割方法及系統

在審

• 申請號: 202110935123.4
• 申請日: 2021-08-16
• 公開（公告）號: CN113674291A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 崔靈果;徐佩怡;柴森春;王昭洋;朱恩軍
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 杜陽陽

1.一種全類型主動脈夾層真假腔圖像分割方法，其特征在于，所述方法包括：

獲取待分割真假腔圖像；

利用基于注意力機制的分割網絡模型對所述待分割真假腔圖像進行分割，得到分割結果掩膜圖；

將所述分割結果掩膜圖映射到所述待分割真假腔圖像中，得到分割結果。

2.根據權利要求1所述的全類型主動脈夾層真假腔圖像分割方法，其特征在于，在所述利用基于注意力機制的分割網絡模型對所述待分割真假腔圖像進行分割，得到分割結果掩膜圖之前，還包括：

根據主動脈區域CT值范圍，對所述待分割真假腔圖像進行閾值化處理，得到待分割閾值化數據；

利用灰度變換處理所述待分割閾值化數據，得到待分割灰度變換數據；灰度變換的公式為：CT_{out_log}＝10log(1+CT_out)，其中，CT_out表示圖像閾值處理后的CT值，CT_{out_log}表示經過對數灰度變換后的CT值。

3.根據權利要求1所述的全類型主動脈夾層真假腔圖像分割方法，其特征在于，所述基于注意力機制的分割網絡模型的訓練方法包括：

獲取真假腔圖像；

對所述真假腔圖像中的主動脈區域及真腔和假腔進行標注，得到真假腔數據；所述真假腔數據包括真假腔圖像和標注之后的真假腔圖像的掩膜圖；

設定分割神經網絡的超參數，利用3D卷積提取真假腔數據的主動脈夾層空間相關性，并利用混合注意力模塊作為基本單元進行上下采樣對所述真假腔數據施加權重，通過指數函數歸一化完成每一像素值類別的預測，得到具有類別信息的真假腔分割掩膜圖；計算所述真假腔分割掩膜圖與所述標注之后的真假腔圖像的掩膜圖之間的損失函數，直至結果收斂或者達到訓練次數，得到分割網絡模型。

4.根據權利要求3所述的全類型主動脈夾層真假腔圖像分割方法，其特征在于，在所述對所述真假腔圖像中的主動脈區域及真腔和假腔進行標注，得到真假腔數據之后，還包括：

使用最近鄰插值算法將所述真假腔數據的數據維度歸一化，得到歸一化真假腔數據；

對所述歸一化真假腔數據進行裁剪，保留所述真假腔數據中的中心區域。

5.根據權利要求3所述的全類型主動脈夾層真假腔圖像分割方法，其特征在于，在所述對所述真假腔圖像中的主動脈區域及真腔和假腔進行標注，得到真假腔數據之后，還包括：

根據主動脈區域CT值范圍，對所述真假腔數據進行閾值化處理，得到閾值化數據；

利用灰度變換處理所述閾值化數據，得到灰度變換數據；灰度變換的公式為：CT_{out_log}＝10log(1+CT_out)，其中，CT_out表示圖像閾值處理后的CT值，CT_{out_log}表示經過對數灰度變換后的CT值。

6.根據權利要求5所述的全類型主動脈夾層真假腔圖像分割方法，其特征在于，在所述利用灰度變換處理所述閾值化數據，得到灰度變換數據之后，還包括：

利用數值歸一化處理公式，對所述灰度變換數據進行數值歸一化處理；所述歸一化處理公式為：其中，image_out為經過數值歸一化處理后的圖像，image_in為灰度變換處理后的圖像，min_bound為圖像中最小CT值，取0，max_bound為圖像中最大CT值，取為800。

7.根據權利要求3所述的全類型主動脈夾層真假腔圖像分割方法，其特征在于，所述損失函數為：

其中，n_c表示類別數，類別包括真腔、假腔和背景；i表示第i個類別；式中m_isb為類間三維共享面度量矩陣，大小為n_c×n_c，代表真假腔分割掩膜圖的類間三維共享面度量矩陣，代表標注之后的真假腔圖像的掩膜圖的類間三維共享面度量矩陣。