[發(fā)明專利]一種基于混合監(jiān)督學(xué)習(xí)的肝臟CT圖像分割系統(tǒng)和算法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111180680.6
• 申請(qǐng)日: 2021-10-11
• 公開(kāi)（公告）號(hào): CN113870238A
• 公開(kāi)（公告）日: 2021-12-31
• 發(fā)明（設(shè)計(jì)）人: 王越;聶秀萍;熊蓉;其他發(fā)明人請(qǐng)求不公開(kāi)姓名
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州中成專利事務(wù)所有限公司 33212
• 代理人: 李亦慈;唐銀益

本發(fā)明公開(kāi)了一種基于混合監(jiān)督學(xué)習(xí)的肝臟CT圖像分割系統(tǒng)和算法，圖像分割系統(tǒng)包括圖像預(yù)處理單元，特征提取單元，詞向量分割單元以及單層卷積分類單元，圖像預(yù)處理單元與特征提取單元進(jìn)行數(shù)據(jù)連接，特征提取單元分別與詞向量分割單元和單層卷積分類單元進(jìn)行數(shù)據(jù)連接。本發(fā)明使用多任務(wù)框架分別進(jìn)行分割和分類任務(wù)，利用大量弱標(biāo)簽數(shù)據(jù)和少量強(qiáng)標(biāo)簽達(dá)到較高的分割精度，針對(duì)多任務(wù)之間獨(dú)立參數(shù)量較多的問(wèn)題，盡量增加多任務(wù)之間共享的網(wǎng)絡(luò)參數(shù)，使用一個(gè)可學(xué)習(xí)的詞向量v實(shí)現(xiàn)分割任務(wù)，減少獨(dú)立參數(shù)量，提升多任務(wù)之間的結(jié)果一致性，本發(fā)明對(duì)于分類和分割任務(wù)，均能保持較高的表現(xiàn)，體現(xiàn)了較好的一致性。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)于計(jì)算機(jī)科學(xué)的交叉領(lǐng)域，具體涉及一種基于混合監(jiān)督學(xué)習(xí) 的肝臟CT圖像分割系統(tǒng)和算法。

背景技術(shù)

CT掃描是一種常規(guī)醫(yī)療檢查手段，利用X射線和探測(cè)器圍繞人體進(jìn)行斷面 掃描，借助計(jì)算機(jī)將探測(cè)信息重建成橫截面視圖，即切片，多幅切片可以組合成 人體內(nèi)部器官組織的三維視圖。在腹部CT圖像中，對(duì)于肝臟的像素級(jí)分割有助 于肝臟疾病的病理診斷、手術(shù)前的規(guī)劃以及手術(shù)后的評(píng)估等，對(duì)于治療和研究肝 炎、肝硬化、肝癌等肝臟疾病有重要意義。肝臟的像素級(jí)分割需要對(duì)每一層CT 切片中的肝臟部位進(jìn)行像素級(jí)標(biāo)記，一般由醫(yī)生在術(shù)前規(guī)劃中完成，但是為了獲 取更為微小的組織病變圖像，通常會(huì)進(jìn)行高分辨率CT掃描，因此CT切片中的像 素分辨率較高，且切片厚度較薄，造成切片數(shù)量增加，從而增加了醫(yī)生的工作量。

為了讓醫(yī)生能夠?qū)崿F(xiàn)快速準(zhǔn)確的肝臟分割，現(xiàn)有的方法大多采用卷積神經(jīng)網(wǎng) 絡(luò)接結(jié)構(gòu)，利用大量帶像素級(jí)標(biāo)注的CT圖像作為監(jiān)督進(jìn)行網(wǎng)絡(luò)訓(xùn)練，使網(wǎng)絡(luò)實(shí) 現(xiàn)分割任務(wù)，這種學(xué)習(xí)方式被稱為監(jiān)督學(xué)習(xí)，其中CT圖像的像素級(jí)標(biāo)注因其帶 有分割任務(wù)的真值掩模(mask)，被稱為強(qiáng)標(biāo)簽。與之相對(duì)的，圖像級(jí)別標(biāo)注， 即CT切片中是否含目標(biāo)物體，被稱為弱標(biāo)簽。

上述監(jiān)督學(xué)習(xí)分割方法存在的問(wèn)題是，在制作訓(xùn)練數(shù)據(jù)集的過(guò)程中，像素級(jí) 圖像標(biāo)注需要大量的時(shí)間成本和人力成本，同時(shí)需要具有豐富醫(yī)學(xué)經(jīng)驗(yàn)的醫(yī)生進(jìn) 行質(zhì)量控制，導(dǎo)致強(qiáng)標(biāo)簽的獲取難度大。為了解決監(jiān)督學(xué)習(xí)對(duì)強(qiáng)標(biāo)簽的依賴，傳 統(tǒng)的解決方法為數(shù)據(jù)增強(qiáng)，將原始圖像進(jìn)行裁剪、旋轉(zhuǎn)、翻轉(zhuǎn)等操作擴(kuò)充訓(xùn)練數(shù) 據(jù)集，以提高神經(jīng)網(wǎng)絡(luò)的泛化能力。但是這種方法的提升有限，并且浪費(fèi)了除帶 有強(qiáng)標(biāo)簽數(shù)據(jù)外的大量有效數(shù)據(jù)。因此，近年來(lái)有很多研究提出半監(jiān)督學(xué)習(xí)方法， 對(duì)于無(wú)標(biāo)注的圖像，使用生成對(duì)抗學(xué)習(xí)、知識(shí)蒸餾等方法產(chǎn)生偽標(biāo)簽，從而實(shí)現(xiàn) 訓(xùn)練數(shù)據(jù)集的擴(kuò)充，但是這些方法無(wú)法避免錯(cuò)誤標(biāo)簽對(duì)網(wǎng)絡(luò)學(xué)習(xí)的影響，難以進(jìn) 一步提升圖像分割精度。對(duì)此，有研究提出使用混合監(jiān)督學(xué)習(xí)，利用標(biāo)注成本遠(yuǎn) 小于強(qiáng)標(biāo)簽的弱標(biāo)簽提升網(wǎng)絡(luò)的泛化能力，弱標(biāo)簽不需要醫(yī)生對(duì)病灶的精確位置 進(jìn)行判斷和標(biāo)注，人工標(biāo)注成本極大減少，并且能夠大批量獲取，并且由于弱標(biāo) 簽相比于無(wú)標(biāo)簽具有準(zhǔn)確的圖像類別信息，能夠更好地提供有效監(jiān)督，實(shí)現(xiàn)分割 精度要求和標(biāo)注成本之間的平衡，但是現(xiàn)有的混合監(jiān)督方法通常使用多任務(wù)框 架，多個(gè)任務(wù)之間由于獨(dú)立參數(shù)較多會(huì)造成多任務(wù)結(jié)果不一致，分類任務(wù)在一定 程度上影響網(wǎng)絡(luò)模型的特征表示，進(jìn)而影響分割精度。

發(fā)明內(nèi)容

針對(duì)上述算法的優(yōu)劣勢(shì)和存在的問(wèn)題，本發(fā)明提供了一種基于混合監(jiān)督學(xué)習(xí) 的肝臟CT圖像分割系統(tǒng)和算法，以提升肝臟疾病檢查的準(zhǔn)確率。本發(fā)明是通過(guò) 以下技術(shù)方案來(lái)實(shí)現(xiàn)的：

本發(fā)明公開(kāi)了一種基于混合監(jiān)督學(xué)習(xí)的肝臟CT圖像分割系統(tǒng)，圖像分割系統(tǒng) 包括圖像預(yù)處理單元，特征提取單元，詞向量分割單元以及單層卷積分類單元， 圖像預(yù)處理單元與特征提取單元進(jìn)行數(shù)據(jù)連接，特征提取單元分別與詞向量分割 單元和單層卷積分類單元進(jìn)行數(shù)據(jù)連接。

作為進(jìn)一步地改進(jìn)，本發(fā)明所述的圖像預(yù)處理單元的構(gòu)建過(guò)程為：