[發明專利]一種三通道級聯SEU-Nets肝腫瘤分割方法在審
| 申請號: | 202111066977.X | 申請日: | 2021-09-13 |
| 公開(公告)號: | CN113935951A | 公開(公告)日: | 2022-01-14 |
| 發明(設計)人: | 胡棟;徐暢暢;李亞榮 | 申請(專利權)人: | 南京郵電大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/11;G06T7/136;G06N3/04;G06N3/08 |
| 代理公司: | 南京縱橫知識產權代理有限公司 32224 | 代理人: | 韓紅莉 |
| 地址: | 210003 江蘇*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 通道 級聯 seu nets 腫瘤 分割 方法 | ||
1.一種三通道級聯SEU-Nets肝腫瘤分割方法,其特征在于,包括:
獲取包含肝臟腫瘤的靜脈期CT圖像、包含肝臟腫瘤的動脈期CT圖像和包含肝臟腫瘤的延遲期CT圖像;
利用第一級肝臟分割網絡從靜脈期CT圖像中分割出肝臟區域,并根據預設置的閾值將肝臟區域轉化為二值的肝臟掩膜;
利用動脈期CT圖像、靜脈期CT圖像和延遲期CT圖像分別與肝臟掩膜進行掩膜運算,獲得動脈期的肝臟感興趣區域、靜脈期的肝臟感興趣區域和延遲期的肝臟感興趣區域;
利用第二級腫瘤分割網絡處理動脈期的肝臟感興趣區域、靜脈期的肝臟感興趣區域和延遲期的肝臟感興趣區域,獲得動脈期深層圖像特征圖、靜脈期深層圖像特征圖和延遲期的深層圖像特征圖;
利用特征級聯融合對動脈期深層圖像特征圖、靜脈期深層圖像特征圖和延遲期深層圖像特征圖進行特征融合,并且輸出肝臟腫瘤分割概率圖。
2.根據權利要求1所述的一種三通道級聯SEU-Nets肝腫瘤分割方法,其特征在于,
第二級腫瘤分割網絡包括用于處理處理動脈期肝臟感興趣區域的動脈期分割網絡、用于處理靜脈期肝臟感興趣區域的靜脈期分割網絡和用于處理延遲期肝臟感興趣區域的延遲期分割網絡;
第一級肝臟分割網絡、動脈期分割網絡、靜脈期分割網絡和延遲期分割網絡均為SEU-Net網絡,SEU-Net網絡包括輸入端口input、卷積層Conv 1-1、SE層1-1、卷積層Conv 1-2、SE層1-2、池化層Maxpool-1、卷積層Conv 2-1、SE層2-1、卷積層Conv 2-1、SE層2-2、池化層Maxpool-2、卷積層Conv 3-1、SE層3-1、卷積層Conv 3-2、SE層3-2、池化層Maxpool-3、卷積層Conv 4-1、SE層4-1、卷積層Conv 4-2、SE層4-2、池化層Maxpool-4、卷積層Conv 5-1、SE層5-1、卷積層Conv 5-2、SE層5-2、上卷積層Upconv-1、卷積層Conv 6_1、卷積層Conv 6-2、上卷積層Upconv-2、卷積層Conv 7-1、卷積層Conv 7-2、上卷積層Upconv-3、卷積層Conv 8-1、卷積層Conv 8-2、上卷積層Upconv-4、卷積層Conv 9-1、卷積層Conv 9-2、卷積層Conv 10-1和輸出端口output,輸入端口input、卷積層Conv 1-1、SE層1-1、卷積層Conv 1-2、SE層1-2、池化層Maxpool-1、卷積層Conv 2-1、SE層2-1、卷積層Conv 2-1、SE層2-2、池化層Maxpool-2、卷積層Conv 3-1、SE層3-1、卷積層Conv 3-2、SE層3-2、池化層Maxpool-3、卷積層Conv 4-1、SE層4-1、卷積層Conv 4-2、SE層4-2、池化層Maxpool-4、卷積層Conv 5-1、SE層5-1、卷積層Conv 5-2、SE層5-2、上卷積層Upconv-1、卷積層Conv 6_1、卷積層Conv 6-2、上卷積層Upconv-2、卷積層Conv 7-1、卷積層Conv 7-2、上卷積層Upconv-3、卷積層Conv 8-1、卷積層Conv 8-2、上卷積層Upconv-4、卷積層Conv 9-1、卷積層Conv 9-2、卷積層Conv 10-1和輸出端口output依次連接。
3.根據權利要求2所述的一種三通道級聯SEU-Nets肝腫瘤分割方法,其特征在于,
第一級肝臟分割網絡、動脈期分割網絡、靜脈期分割網絡和延遲期分割網絡中的卷積層均使用3×3的卷積核,第一級肝臟分割網絡、動脈期分割網絡、靜脈期分割網絡和延遲期分割網絡中最大池化層均使用2×2的卷積核。
4.根據權利要求2所述的一種三通道級聯SEU-Nets肝腫瘤分割方法,其特征在于,
利用特征級聯融合對動脈期深層圖像特征圖、靜脈期深層圖像特征圖和延遲期深層圖像特征圖進行特征融合,并包括:
利用3D卷積模塊對來自同一切片的動脈期深層圖像特征圖、靜脈期深層圖像特征圖和延遲期深層圖像特征圖進行融合;
利用C-LSTM模塊對連續獲取的特征圖的特征信息進行提取。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京郵電大學,未經南京郵電大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111066977.X/1.html,轉載請聲明來源鉆瓜專利網。





