[發明專利]一種改進的U-Net網絡實現脊柱整體分割方法

在審

• 申請號: 202310585887.4
• 申請日: 2023-05-23
• 公開（公告）號: CN116433654A
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 楊趙敏;曾建潮;秦品樂;王琦;趙鵬程;柴銳;張晉京
• 申請（專利權）人: 中北大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06V10/80;G06N3/0464;G06N3/09
• 代理公司: 西安碩大知識產權代理事務所(普通合伙) 61283
• 代理人: 張德興

一種改進的U?Net網絡實現脊柱整體分割方法，包括以下步驟；步驟一：在編碼器部分通過殘差特征金字塔塊來捕獲多尺度信息，并融合多尺度信息；步驟二，在將淺層特征和深層特征融合過程中，為抑制冗余信息的重復利用，提出了注意力跳層結構；使用注意力跳層結構將編碼器部分的特征與解碼器部分的特征進行融合來實現多尺度特征融合；步驟三：使用了聯合損失函數在編碼器部分的每一個階段都會對特征圖進行上采樣到原始圖像大小，并與分割結果計算損失，對分割結果進行優化，從而實現分割邊緣清晰的效果。本發明實現不同掃描視野的脊柱的分割，并提高脊柱分割的準確度。

技術領域

本發明屬于脊柱整體分割技術領域，特別涉及一種改進的U-Net網絡實現脊柱整體分割方法。

背景技術

脊柱是人體的支柱，是一個可以活動的復雜結構，通過對脊柱的分割，可以輔助醫生早期篩查骨質疏松癥、直接檢測和評估椎體骨折，甚至可以早期診斷骨轉移。因此，脊柱分割是脊柱疾病分析的先決條件，對臨床脊柱疾病的診斷和治療具有重要意義。計算機斷層掃描(CT)顯示圖像清晰,是顯示骨結構細節的最佳手段，因此它對骨結構的診斷價值很高，成為醫生輔助診斷的首選。

在CT圖像上對脊柱進行分割，目前的研究主要集中于3D和2D的深度卷積網絡。3D卷積神經網絡在訓練過程中使用3D卷積，相比較2D卷積來說，這種方式大大增加了計算量，因而消耗了更多的內存，對硬件設備的要求很高。在2D圖像上脊柱語義分割的研究中，一些研究者都是針對特定位置進行處理。然而在臨床實踐中，針對不同部位的疾病，每個病人的掃描野是不一樣的。在這樣的情況下，想要準確在不同FOV的CT切片上準確分割出整塊的脊柱，這是具有很大的挑戰。

CT掃描野的不同導致了椎骨在圖像上的尺寸大小不同，而之前的研究都沒有重點關注過這個問題，都會導致語義分割的精度不高，性能下降。主要表現在以下這幾個方面：(1)在網絡的設計過程中，沒有考慮到特征提取部分需要結合全局信息和局部特征并需要注重多尺度特征的提取，去捕獲不同大小的椎骨的特征；(2)在網絡設計的過程中，過分考慮到特征的提取和融合，而沒有注意到冗余特征對結果的影響；(3)掃描野的不同，有一些圖像中椎骨的尺寸小，椎骨之間的距離很近，從而導致椎骨在圖像上的表現就是邊界模糊。

發明內容

為了克服以上技術問題，本發明的目的在于提供一種改進的U-Net網絡實現脊柱整體分割方法，實現不同掃描視野的脊柱的分割，并提高脊柱分割的準確度。

為了實現上述目的，本發明采用的技術方案是：

一種改進的U-Net網絡實現脊柱整體分割方法，包括以下步驟；

步驟一：在編碼器部分通過殘差特征金字塔塊(RFP：Residual?FeaturePyramidsBlock)來捕獲多尺度信息，并融合多尺度信息；

步驟二，在將淺層特征和深層特征融合過程中，為抑制冗余信息的重復利用，提出了注意力跳層結構(ASL：Attention?Skip?Layer)；使用注意力跳層結構將編碼器部分的特征與解碼器部分的特征進行融合來實現多尺度特征融合；

步驟三：使用聯合損失函數在解碼器部分的每一個階段都會對特征圖進行上采樣到原始圖像大小，并與分割結果計算損失，從而來對分割結果進行優化，從而實現分割邊緣清晰的效果。

所述通過殘差特征金字塔塊來構成改進U-Net的編碼部分；具體包括：

確定所述殘差特征金字塔塊，用于編碼過程中多尺度特征的提取，所述殘差塊用于將特征重新利用防止梯度彌散和減少有用信息的丟失，所述的殘差特征金字塔塊的公式為：

X_i+1＝F₁(X_i)+F₂(F₁(X_i))