[發明專利]一種基于聯合空間域的多尺度U-Net醫學圖像分割方法

在審

• 申請號: 202211422825.3
• 申請日: 2022-11-14
• 公開（公告）號: CN115760874A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 饒云波;高麗;曾少寧
• 申請（專利權）人: 電子科技大學長三角研究院（湖州）
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06N3/0464;G06N3/0455
• 代理公司: 成都科奧專利事務所(普通合伙) 51101
• 代理人: 蘇亞超

1.一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，包括以下步驟：

S1、獲取原始醫學圖像數據；

S2、利用極坐標中心點預測網絡獲得原始醫學圖像的中心點坐標；

S3、根據醫學圖像的中心點坐標，將原始醫學圖像轉換為極坐標醫學圖像；

S4、構建基于聯合空間域的多尺度U-Net網絡模型，利用極坐標醫學圖像進行模型訓練；

S5、利用訓練后的基于聯合空間域的多尺度U-Net網絡模型生成醫學圖像分割結果。

2.根據權利要求1所述的一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，所述極坐標中心點預測網絡具體為基于堆疊沙漏結構的編碼器-解碼器網絡，其中每個堆棧的輸出作為輸入反饋到下一個堆棧。

3.根據權利要求2所述的一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，步驟S3具體包括以下分步驟：

S31、將目標中心點重新設置為圖像數據的中心點，確定轉換后中心點坐標；

S32、根據極坐標系中的源樣本點和目標規則網格，對直角坐標系中對應坐標點進行線性坐標變換；

S33、根據線性坐標變換參數構建網格生成器的采樣網格，通過采樣器利用采樣網格對原始醫學圖像進行采樣，并與原始醫學圖像進行拼接，得到最終的極坐標醫學圖像。

4.根據權利要求3所述的一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，所述步驟S31中將目標中心點重新設置為圖像數據的中心點的公式為：

d＝min(x₀，y₀，w-x₀，h-y₀)

x∈(x₀-d，x₀+d)

y∈(y₀-d，y₀+d)

其中，d為待分割目標的中心點與圖像四邊的最小距離，(x₀，y₀)為原始圖像的中心點坐標，w和h為原始圖像的寬度和高度，(x，y)為轉換后的任意像素點坐標。

5.根據權利要求4所述的一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，所述步驟S32中對直角坐標系中對應坐標點進行線性坐標變換的公式為：

其中，為極坐標系中的源樣本點坐標，為直角坐標系中對應坐標點。

6.根據權利要求5所述的一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，所述基于聯合空間域的多尺度U-Net網絡模型具體包括：

級聯的第一分割子網絡和第二分割子網絡；

所述第一分割子網絡用于對極坐標醫學圖像進行圖像分割，并將分割結果重新轉換為直角系醫學圖像，與輸入的極坐標醫學圖像進行特征融合后輸入到第二分割子網絡；

所述第二分割子網絡用于對輸入的融合醫學圖像進行圖像分割，并將分割結果與第一分割子網絡的分割結果進行特征融合，得到最終的醫學圖像分割結果。

7.根據權利要求6所述的一種基于聯合空間域的多尺度U-Net醫學圖像分割方法，其特征在于，所述第一分割子網絡具體包括：

構成U-Net網絡結構的編碼器和解碼器；

所述編碼器包括兩個并聯的第一空洞卷積通道和第二空洞卷積通道，以及兩個并聯的第一卷積通道和第二卷積通道；

所述第一空洞卷積通道包括采用第一連續空洞率的連續卷積層，用于對輸入的極坐標醫學圖像按照第一連續空洞率確定的感受野進行卷積計算；

所述第二空洞卷積通道包括采用第二連續空洞率的連續卷積層，用于對輸入的極坐標醫學圖像按照第二連續空洞率確定的感受野進行卷積計算，并將卷積結果與第一空洞卷積通道的卷積結果進行拼接，得到第一拼接結果；

所述第一卷積通道包括一個卷積層，用于將卷積結果與第一拼接結果進行拼接，得到第二拼接結果；

所述第二卷積通道包括一個卷積層，用于將卷積結果與第二拼接結果進行特征融合，得到編碼器的輸出結果。