[發明專利]基于深度學習和灰度信息的圖像分割系統

有效

• 申請號: 202310117871.0
• 申請日: 2023-02-15
• 公開（公告）號: CN116152285B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 王寬全;劉亞淑;駱功寧;王瑋
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/00;G06V10/77;G06V10/82;G06N3/048;G06N3/0464;G06N3/08
• 代理公司: 哈爾濱市松花江聯合專利商標代理有限公司 23213
• 代理人: 岳昕

基于深度學習和灰度信息的圖像分割系統，具體涉及一種用于小樣本核磁共振數據圖像的基于深度學習和灰度信息的分割系統，為了解決核磁共振影像分割時要依賴大量的影像數據，泛化性能差，且在灰度分布不均勻的核磁共振影像中分割準確率較低，或存在分割不全以及分割目標不連續的問題，它包括編碼模塊、空間注意力模塊、灰度校正模塊、分割模塊、損失模塊，編碼模塊分別與空間注意力模塊、灰度校正模塊和分割模塊連接，空間注意力模塊與灰度校正模塊連接，損失模塊分別與灰度校正模塊和分割模塊連接。本發明采用了深度學習技術和灰度偏置校正，利用深度學習技術將灰度偏置校正與分割兩個任務協同進行。屬于醫學圖像分割領域。

技術領域

本發明涉及一種分割系統，具體涉及一種用于小樣本核磁共振數據圖像的基于深度學習和灰度信息的分割系統，屬于醫學圖像分割領域。

背景技術

現有許多病癥的臨床診療需要借助核磁共振影像分析患者的病體結構與相關功能指標，其中心房顫動是最常見的心律不齊疾病之一，是腦卒中、心肌梗死等高致死率、高致殘率疾病的重要誘因，而將心房從核磁共振影像中提取出來是這些分析工作的基礎。理想情況下，同一組織在影像上具有相同灰度分布，而不同組織之間的灰度分布具有差異。事實上，由于人體結構的多樣性以及圖像采集設備的問題，核磁共振影像中的同一組織灰度會發生分布不一致的現象，即核磁共振影像中存在偏置，而將這些不一致的灰度提取出來的過程稱之為偏置校正。不同于自然圖像，灰度分布是對醫學影像進行分割的重要依據，偏置的存在進一步增加了自動化分割方法的難度。

現有的醫學圖像自動化分割技術主要包括基于活動輪廓模型的方法和基于深度學習的方法等。基于活動輪廓模型的方法屬于無監督模型，對數據量沒有較大的需求，但是由于該類方法主要是依賴不同組織之間的灰度分布差異實現分割，所以其在存在灰度分布不均勻的核磁共振影像中分割準確率較低。基于深度學習技術的分割方法雖然大幅度的提高了自動化分割的效率，但是其依賴大量數據，且泛化性能差，嚴重阻礙了核磁共振影像分割的發展與推廣，而核磁共振影像灰度分布不均勻也會造成分割不全以及分割目標不連續等結果。

發明內容

本發明為了解決現有的醫學圖像自動化分割技術在進行核磁共振影像分割時要依賴大量的影像數據，泛化性能差，且在灰度分布不均勻的核磁共振影像中分割準確率較低，或存在分割不全以及分割目標不連續的問題，進而提出了一種基于深度學習和灰度信息的圖像分割系統。

它包括編碼模塊、空間注意力模塊、灰度校正模塊、分割模塊、損失模塊；

編碼模塊分別與空間注意力模塊、灰度校正模塊和分割模塊連接，空間注意力模塊與灰度校正模塊連接，損失模塊分別與灰度校正模塊和分割模塊連接；

編碼模塊，用于接收核磁共振影像，對核磁共振影像進行編碼，并提取核磁共振影像的淺層特征，將淺層特征分別發送至空間注意力模塊、灰度校正模塊和分割模塊；還用于接收空間注意力模塊返回的梯度、灰度校正模塊返回的梯度、分割模塊返回的梯度；

編碼模塊依次包括四組結構和一個卷積塊，每組結構依次包括一個卷積塊和一個最大池化層；

空間注意力模塊，用于接收編碼模塊內四組結構中卷積塊輸出的淺層特征，并對每個淺層特征進行加權，得到加權后的淺層特征，將加權后的淺層特征發送至灰度校正模塊；還用于接收灰度校正模塊返回的梯度，將所述梯度和本模塊的梯度一起發送至編碼模塊；

灰度校正模塊，用于接收編碼模塊輸出的淺層特征、空間注意力模塊輸出的加權后的淺層特征，基于上述特征對核磁共振影像進行灰度偏置校正，輸出核磁共振影像的無偏圖像和偏置圖像；還用于接收損失模塊返回的梯度，將所述梯度和本模塊的梯度一起發送至空間注意力模塊和編碼模塊；

分割模塊，用于接收編碼模塊輸出的淺層特征和編碼模塊接收到的灰度校正模塊返回的梯度，基于接收到的特征和梯度對核磁共振影像進行分割，輸出目標區域和背景區域的分布圖；還用于接收損失模塊返回的梯度，將所述梯度和本模塊的梯度一起發送至編碼模塊；