【技术实现步骤摘要】
一种基于多步学习的三维核磁共振胰腺图像分割方法
本专利技术属于医学图像处理领域,尤其是涉及一种基于多步学习的三维核磁共振胰腺图像分割方法。
技术介绍
胰腺癌是长期以来严重威胁人类健康的一种出现在胰腺上的癌症,是常见恶性肿瘤中恶性程度最高,死亡率最高的癌症,其发病率和死亡率几乎相等。约90%以上的患者无法通过手术治疗根治,转移极快,五年存活率仅有3%。虽然随着科学技术的不断进步和发展,癌症的总体治疗手段和方法都有了很大突破,但胰腺癌的治疗并没有实质性的进展,患病死亡率也长期位居第一。因此在胰腺癌的诊断和治疗上,必须加强科学技术的研究,争取早日改善这一现状。一方面,在传统的胰腺癌诊断中,主要依靠放射科医生的经验和观察阅片进行,有一定的主观性,随着工作量的增加,诊断的准确率和效率也会有所下降。准确分割出胰腺的三维结构对于放射科医生的诊断有重要的促进作用。另一方面,对于无法手术根治的胰腺癌患者,放射治疗是一种重要的治疗方法,该方法利用强辐射射线杀死肿瘤细胞,但是也会对路径上的正常组织和细胞造成不可逆的破坏。所以在实际操作中,肿瘤组织的精准定位、放射治疗的射线方向、角度,放射使用剂量等放疗方案制定成为了放射治疗的重要因素,在精准医疗时代,这一点更被多次强调。为了制定出更科学高效的胰腺癌放疗方案,胰腺组织的三维分割十分重要,它能够有效帮助医生分析病情,精准定位和制定放疗手段。在现有的医学影像检测手段中,主要的方法为三维核磁共振成像,这种方法具有强大的成像能力,尤其对于软组织的成像更加清晰。比起其他同类检查手段而言,对人体的损害相对较小,已经成为了胰腺疾病的检查、诊断、 ...
【技术保护点】
1.一种基于多步学习的三维核磁共振胰腺图像分割方法,其特征在于,包括以下步骤:(1)输入三维核磁共振序列图像,对其进行归一化处理,得到归一化后的序列图像集;(2)将序列图像集人工标注后按一定比例随机分成训练集、验证集和测试集;(3)将训练集中图像预处理成相同大小尺寸后,将含有胰腺的图块和对应的标注切出;(4)搭建分割模型,所述分割模型包含Q‑net模型和P‑net模型,所述Q‑net模型用于对图像粗分割生成候选区域,所述P‑net模型用于对候选区域的胰腺进行精准分割;(5)将训练集的图像压缩后输入Q‑net模型进行预训练,将步骤(3)中切出的含有胰腺的图块和对应的标注输入P‑net模型进行预训练;(6)将预训练好的Q‑net模型和P‑net模型进行合并训练,将训练集图像压缩后输入预训练好的Q‑net模型进行粗分割,产生胰腺的3D位置预测图,选取高于阈值的图块映射回原图,取出这些位置的图块和对应标注输入预训练好的P‑net模型中进行分割预测,达到预设的训练次数后结束训练;(7)将需要分割的图像归一化后输入训练好的分割模型中,输出最终的分割结果。
【技术特征摘要】
1.一种基于多步学习的三维核磁共振胰腺图像分割方法,其特征在于,包括以下步骤:(1)输入三维核磁共振序列图像,对其进行归一化处理,得到归一化后的序列图像集;(2)将序列图像集人工标注后按一定比例随机分成训练集、验证集和测试集;(3)将训练集中图像预处理成相同大小尺寸后,将含有胰腺的图块和对应的标注切出;(4)搭建分割模型,所述分割模型包含Q-net模型和P-net模型,所述Q-net模型用于对图像粗分割生成候选区域,所述P-net模型用于对候选区域的胰腺进行精准分割;(5)将训练集的图像压缩后输入Q-net模型进行预训练,将步骤(3)中切出的含有胰腺的图块和对应的标注输入P-net模型进行预训练;(6)将预训练好的Q-net模型和P-net模型进行合并训练,将训练集图像压缩后输入预训练好的Q-net模型进行粗分割,产生胰腺的3D位置预测图,选取高于阈值的图块映射回原图,取出这些位置的图块和对应标注输入预训练好的P-net模型中进行分割预测,达到预设的训练次数后结束训练;(7)将需要分割的图像归一化后输入训练好的分割模型中,输出最终的分割结果。2.根据权利要求1所述的基于多步学习的三维核磁共振胰腺图像分割方法,其特征在于,归一化处理的步骤如下:(1-1)计算全部图像像素值的平均值和标准差;(1-2)对于全部图像,图像像素值减去上步计算的平均值,再除以上步计算的标准差;(1-3)对于上步处理后的图像,每张图减去该图中像素最小值,再除以该图中像素值的极值差。3.根据权利要求1所述的基于多步学习的三维核磁共振胰腺图像分割方法,其特征在于,步骤(3)中,所述预处理的步骤如下:对于长、宽、高任何一边小于设定像素N的图块,利用双线性插值扩大到N像素;对于长、宽、高任何一边大于N像素的图块,按照N×N×N进行裁剪,剩下部分如果大于则同样利用双线性插值扩大到N×N×N,否则舍弃。4.根据权利要求1所述的基于多步学习的三维核磁共振胰腺图像分割方法,其特征在于,步骤(4)中,所述Q-net模型和P-net模型的网络结构相同...
【专利技术属性】
技术研发人员:吴健,余柏翰,王文哲,冯芮苇,陆逸飞,吴福理,
申请(专利权)人:浙江大学山东工业技术研究院,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。