[發明專利]一種基于小樣本醫學影像的綜合性數據增廣方法

在審

• 申請號: 202111567379.0
• 申請日: 2021-12-21
• 公開（公告）號: CN114283130A
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 吳昊天;吳愛東;錢東;徐榭;裴曦;任強;陸陽;潘茂云;常艷奎;程博
• 申請（專利權）人: 合肥慧軟醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/40;G06N3/08;G06N3/04
• 代理公司: 合肥洪雷知識產權代理事務所(普通合伙) 34164
• 代理人: 郎海云

本發明公開了一種基于小樣本醫學影像的綜合性數據增廣方法，涉及醫學影像處理技術領域。本發明包括如下步驟：步驟S1：解析CT圖像，將圖像的像素矩陣值轉換成HU值；步驟S2：對CT圖像做預處理；步驟S3：對CT圖像做角度范圍內的隨機旋轉；步驟S4：對CT圖像做倍數范圍內的尺度縮放；步驟S5：對CT圖像做不同維度的鏡像變化；步驟S6：對CT圖像做隨機Gamma變換；步驟S7：將增廣后的CT圖像輸入到U?Net網絡中訓練得出U?Net模型。本發明通過對CT圖像進行預處理后，對預處理后的圖像進行旋轉、縮放以及鏡像擴充原有的數據集，來模擬臨床的各種情況下的CT數據，使得訓練出來的模型具備更好的泛化性、準確性。

技術領域

本發明屬于醫學影像處理技術領域，特別是涉及一種基于小樣本醫學影像的綜合性數據增廣方法。

背景技術

在放射治療的勾畫環節中，現在采用的自動勾畫技術一般基于Unet網絡，通過神經網絡的迭代訓練學習收集的CT圖像特征，來模擬訓練集中醫生的勾畫習慣，最終實現身體器官的自動分割。

臨床情況比較復雜，病人的生理構造可能因為腫瘤發生變化；器官生長位置偶爾也會存在顯著性差異；拍攝CT時因技師誤操作或者病人身體扭動導致CT影像沒有定位好；病人體內植入金屬裝置會導致CT拍攝發生金屬散射，從而極大影響CT成像質量；不同醫院的CT成像質量也存在顯著差異；此外，CT圖像還分為平掃圖像、增強圖像，兩者在同一器官的成像可能截然不同，等等。這些情況，訓練集很難完全涵蓋，神經網絡如果學不到訓練集外的CT成像特征，在針對不同源CT勾畫時無法表現的穩定及準確。

發明內容

本發明的目的在于提供一種基于小樣本醫學影像的綜合性數據增廣方法，通過對CT圖像進行預處理后，對預處理后的圖像進行旋轉、縮放以及鏡像擴充原有的數據集，來模擬臨床的各種情況下的CT數據，解決了現有的自動分割模型在針對不同源數據集時泛化性及精度不高問題。

為解決上述技術問題，本發明是通過以下技術方案實現的：

本發明為一種基于小樣本醫學影像的綜合性數據增廣方法，包括如下步驟：

步驟S1：解析CT圖像，將圖像的像素矩陣值轉換成HU值；

步驟S2：對CT圖像做預處理；

步驟S3：對CT圖像做角度范圍內的隨機旋轉；

步驟S4：對CT圖像做倍數范圍內的尺度縮放；

步驟S5：對CT圖像做不同維度的鏡像變化；

步驟S6：對CT圖像做隨機Gamma變換；

步驟S7：將增廣后的CT圖像輸入到U-Net網絡中訓練得出U-Net模型。

作為一種優選的技術方案，所述步驟S1中，解析CT圖像的DICOM屬性，獲取斜面和截面的屬性，并計算HU的值，具體計算公式如下：

HU＝CT*Slope+Intercept；

式中，Slope表示斜面屬性，Intercept表示截面屬性。

作為一種優選的技術方案，所述步驟S2中，CT圖像的預處理包括插值處理、裁剪處理和歸一化處理；所述差值處理，用于將待預測圖像的分辨率差值到跟訓練圖像的分辨率相同；所述裁剪處理，用于獲取皮膚輪廓，得到人體中心，并以此中心裁剪出指定尺寸的CT圖像；所述歸一化處理，用于將裁剪完成的CT圖像固定在(WL_min，WL_max)范圍內，則歸一化處理的公式為：

作為一種優選的技術方案，所述步驟S3中，對CT圖像進行隨機角度的旋轉，模擬在臨床出現的因定位不準，或者病人在拍攝CT過程中身體扭動導致CT圖像偏移的情況，用于將原始訓練數據增廣一倍。