[發(fā)明專利]基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210444494.7
• 申請(qǐng)日: 2022-04-26
• 公開（公告）號(hào): CN114913135A
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 楊金柱;王馨霄;嚴(yán)潔;黃艷
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/143;G06T7/11;G06T17/00;G06T7/155;G06V10/774;G16H30/20;G16H30/40;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 李珉

1.一種基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：包括級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)；級(jí)聯(lián)VNet-S網(wǎng)絡(luò)得到肝臟CT圖像前景像素點(diǎn)的概率，并將前景像素點(diǎn)的概率作為先驗(yàn)概率使用三維條件隨機(jī)場(chǎng)分割肝臟；三維條件隨機(jī)場(chǎng)通過空間上下文信息，反映觀測(cè)變量之間的依賴關(guān)系，剔除誤分割區(qū)域和細(xì)化分割，實(shí)現(xiàn)對(duì)肝臟分割邊界的優(yōu)化。

2.根據(jù)權(quán)利要求1所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：所述方法具體包括以下步驟：

步驟1：獲取肝臟CT圖像作為樣本數(shù)據(jù)集，并對(duì)圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)預(yù)處理；

步驟2：將樣本數(shù)據(jù)集劃分訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集以及無標(biāo)注的待分割數(shù)據(jù)集；

步驟3：根據(jù)數(shù)據(jù)集類型配置級(jí)聯(lián)Vnet-S網(wǎng)絡(luò)工作模式，如果用戶使用的是訓(xùn)練和驗(yàn)證數(shù)據(jù)集，則初始化級(jí)聯(lián)Vnet-S網(wǎng)絡(luò)模型，然后執(zhí)行步驟7，否則執(zhí)行步驟4；

步驟4：加載訓(xùn)練好的級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型；

步驟5：加載級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型參數(shù)配置，并使用訓(xùn)練好的模型進(jìn)行肝臟圖像的預(yù)分割；

步驟6：輸出預(yù)分割結(jié)果，計(jì)算肝臟CT圖像前景像素點(diǎn)的概率并存儲(chǔ)，執(zhí)行步驟9；

步驟7：加載級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型參數(shù)配置，并使用訓(xùn)練數(shù)據(jù)集訓(xùn)練級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型；

步驟8：存儲(chǔ)訓(xùn)練得到的級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型；

步驟9：加載三維條件隨機(jī)場(chǎng)模型參數(shù)配置，將步驟6得到的前景像素點(diǎn)的概率作為三維條件隨機(jī)場(chǎng)模型的一個(gè)輸入，進(jìn)行肝臟分割；

步驟11：輸出針對(duì)CT圖像的肝臟分割結(jié)果。

3.根據(jù)權(quán)利要求2所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：所述CT圖像為遵循醫(yī)療數(shù)位影像傳輸協(xié)定的dcm文件或多張dcm肝臟CT圖像壓縮而成的NIFTI文件及對(duì)應(yīng)的標(biāo)簽，即肝臟分割人工標(biāo)注的結(jié)果。

4.根據(jù)權(quán)利要求2所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：所述訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集為包括原始肝臟CT圖像和對(duì)應(yīng)的標(biāo)簽，用于訓(xùn)練和測(cè)試級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求2所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：所述無標(biāo)注的待分割數(shù)據(jù)集為原始肝臟CT圖像，用于評(píng)估肝臟分割效果。

6.根據(jù)權(quán)利要求2所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：

所述級(jí)聯(lián)VNet-S網(wǎng)絡(luò)模型由兩個(gè)VNet-S網(wǎng)絡(luò)級(jí)聯(lián)而成，兩個(gè)VNet-S網(wǎng)絡(luò)結(jié)構(gòu)相同，數(shù)據(jù)增強(qiáng)預(yù)處理后的CT圖像經(jīng)過第一個(gè)VNet-S網(wǎng)絡(luò)得到和原圖大小相同的連接通量，根據(jù)連接通量的范圍確定肝臟邊界，得到肝臟在CT圖像XYZ三個(gè)維度上的最大值和最小值共六個(gè)邊界值；根據(jù)得到的這六個(gè)邊界值將預(yù)處理后的CT圖像切割出來得到輸入第二個(gè)VNet-S網(wǎng)絡(luò)的圖像，通過第二個(gè)VNet-S網(wǎng)絡(luò)后使用softmax函數(shù)得到每個(gè)像素點(diǎn)屬于前景和背景的概率，最終得到前景像素點(diǎn)的概率。

7.根據(jù)權(quán)利要求6所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：所述方法在訓(xùn)練級(jí)聯(lián)VNet-S網(wǎng)絡(luò)時(shí)，采用基于Dice系數(shù)的目標(biāo)函數(shù)。

8.根據(jù)權(quán)利要求2所述的基于級(jí)聯(lián)VNet-S網(wǎng)絡(luò)和三維條件隨機(jī)場(chǎng)的肝臟分割系統(tǒng)，其特征在于：三維條件隨機(jī)場(chǎng)模型配置的參數(shù)包括輸入的模態(tài)數(shù)量和模態(tài)數(shù)據(jù)存儲(chǔ)的位置、圖像維度及各維度尺寸、級(jí)聯(lián)VNet-S網(wǎng)絡(luò)得到的肝臟先驗(yàn)概率、輸入的CT圖像像素的最大和最小值以及輸出結(jié)果目錄。