本发明专利技术公开了一种低场强胃部核磁共振成像MRI图像的分割装置及方法，其实现的思路是：标注待分割的低场强胃部核磁共振成像MRI图像；将低场强胃部核磁共振成像MRI图像及其对应的标注图像进行扩充；将低场强胃部核磁共振成像MRI图像的像素值映射到区间[0,1]；构建一个w‑U‑Net分割网络；用归一化后的图像训练w‑U‑Net分割网络；利用训练好的w‑U‑Net分割网络分割出低场强胃部核磁共振成像MRI图像中的胃部区域。本发明专利技术构建的w‑U‑Net分割网络利用加权交叉熵损失函数，区别对待胃部区域和非胃部区域的分类损失，使得胃部区域分类错误具有更高的损失，对低场强胃部核磁共振成像MRI图像中的胃部区域定位更加准确，分割精度更高、速度更快。
【技术实现步骤摘要】
一种低场强胃部MRI图像的分割装置及方法
本专利技术属于图像处理
，更进一步涉及图像分割
中的一种低场强胃部核磁共振成像MRI(MagnaticResonanceImaging)图像的分割装置及方法。本专利技术可用于从核磁共振成像MRI设备成像时磁场强度低于0.5T的低场强胃部核磁共振成像MRI图像中分割胃部区域。
技术介绍
在各种型号的核磁共振成像MRI中，使用磁场强度在0.5T以下的称为低场强核磁共振成像MRI。相比于0.5T以上的高场强核磁共振成像MRI，其扫描空间更大，可以做成开放式的，且对周围仪器的影响较小，适用于术中治疗成像，辅助放化疗。然而，低场强胃部核磁共振成像MRI图像的空间对比度和分辨率比高场强核磁共振成像MRI图像低得多，使得对低场强胃部核磁共振成像MRI图像中胃部区域的分割精度低。辽宁师范大学在其申请的专利文献“基于混合活动轮廓模型的医学图像分割方法”(公开号：CN108109143A，申请号：CN201711407880.4，申请日：2017年12月22日)中公开了一种基于混合活动轮廓模型的医学图像分割方法。该方法首先初始化水平集函数，然后对基于全局信息的活动轮廓模型和基于局部信息的模型进行了改进，结合两个模型各自的优点，提出了基于混合活动轮廓模型的医学图像分割方法。该方法可以分割对比度低、结构复杂的医学图像，而且对于包含噪声、弱边缘和异质区域的图像也能获得较好的分割效果。但是，该方法仍然存在的不足之处是，对待分割图像的初始区域的选择比较敏感，将会陷入局部最优而无法获得最佳的分割效果。青岛黄海学院在其申请的专利文献“基于FCM算法融合改进GSA算法的医学图像分割方法”(公开号：CN107492092A，申请号：CN201710567921.X，申请日：2017年07月13日)中公开了一种基于FCM算法融合改进GSA算法的医学图像分割方法。该方法通过利用空间模糊c均值聚类算法将图像像素分成均匀的区域，融合GSA算法，将改进GSA算法纳入模糊c均值聚类算法中，以找到最优聚类中心，使模糊c均值聚类的适应度函数值最小，从而提高分割效果。但是，该方法仍然存在的不足之处是，由于该方法使用模糊c均值聚类算法将图像像素分成均匀的区域，使得分割速度较慢，对低场强核磁共振成像MRI图像中的噪声比较敏感。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出了一种低场强胃部核磁共振成像MRI图像分割装置及方法。实现本专利技术目的的思路是，先标注待分割的低场强胃部核磁共振成像MRI图像；将低场强胃部核磁共振成像MRI图像及其对应的标注图像进行扩充；将低场强胃部核磁共振成像MRI图像的像素值映射到区间[0,1]；构建一个w-U-Net分割网络，所述w-U-Net分割网络利用加权交叉熵损失函数，区别对待胃部区域和非胃部区域的分类损失，对低场强胃部核磁共振成像MRI图像中的胃部区域定位更加准确；用归一化后的图像训练w-U-Net分割网络；利用训练好的w-U-Net分割网络分割出低场强胃部核磁共振成像MRI图像中的胃部区域。本专利技术的装置包括图像标注模块、图像增广模块、图像归一化模块、图像显示模块，图像分割模块；其中：所述图像标注模块，用于生成与低场强胃部核磁共振成像MRI图像对应的标注图像；所述图像增广模块，用于扩充低场强胃部核磁共振成像MRI图像及其对应的标注图像；所述图像归一化模块，用于将低场强胃部核磁共振成像MRI图像的像素值映射到区间[0,1]；所述图像分割模块，用于分割归一化后的低场强胃部核磁共振成像MRI图像中的胃部区域；所述图像显示模块，用于显示经过w-U-Net分割网络分割后的胃部图像。本专利技术方法的具体步骤包括如下：(1)标注图像：(1a)图像标注模块通过人工操作依次在每一幅胃部核磁共振成像MRI图像中勾画出胃部区域；(1b)将胃部区域内的所有像素点的值设置为1，非胃部区域的像素点的值设置为0，将设置完像素点值后的图像作为与每一幅胃部核磁共振成像MRI图像对应的标注图像；(2)扩充低场强胃部核磁共振成像MRI图像及其对应的标注图像：图像增广模块对每一幅低场强胃部核磁共振成像MRI图像与其对应的标注图像分别进行增广操作，得到3幅新的低场强胃部核磁共振成像MRI图像与3幅对应的新的标注图像；(3)归一化低场强胃部核磁共振成像MRI图像：图像归一化模块利用归一化公式，对扩充后的低场强胃部核磁共振成像MRI图像进行归一化，将低场强胃部核磁共振成像MRI图像的像素值映射到区间[0,1]；(4)生成低场强胃部核磁共振成像MRI图像训练样本集：将每幅归一化后的胃部核磁共振成像MRI图像及其对应的标注图像组成一个数据对，将所有数据对均分10份，其中随机选择8份组成训练样本集，2份作为测试样本集；(5)生成w-U-Net分割网络：将U-Net分割网络的卷积层运算模式设置为“same”，并设置损失函数为加权交叉熵损失函数，生成w-U-Net分割网络；(6)训练w-U-Net分割网络：(6a)从训练样本集中依次选择17个数据对组成一个训练批次；(6b)w-U-Net分割网络，对输入到w-U-Net分割网络中的训练批次，进行前向传播，输出w-U-Net分割网络分割后的图像；(6c)利用加权交叉熵损失函数，计算经过w-U-Net分割网络分割后的图像与对应标注图像之间的加权交叉熵损失；(6d)利用Adam算法，优化加权交叉熵损失函数，得到w-U-Net分割网络的权值偏置；(6e)将权值偏置与w-U-Net分割网络中的权值相加；(6f)用相加后的权值替换w-U-Net分割网络中的权值；(6g)判断w-U-Net分割网络的交叉熵损失是否大于0.07，若是，则执行步骤(6b)；否则，得到训练好的w-U-Net分割网络后执行步骤(7)；(7)分割图像：(7a)图像分割模块将归一化后的低场强胃部核磁共振成像MRI图像输入w-U-Net分割网络；(7b)w-U-Net分割网络对输入的图像进行前向传播，得到分割后的胃部图像；(8)图像显示模块显示分割网络分割后的胃部图像。本专利技术与现有技术相比具有以下优点：第一，由于本专利技术装置中的图像分割模块，可用于利用加权交叉熵损失函数计算w-U-Net分割网络的损失，使得w-U-Net分割网络能够对胃部区域和非胃部区域的损失区别对待，胃部区域分割错误具有更高的代价，对胃部区域的定位更加准确，克服了现有技术中对待分割图像的初始区域的选择与噪声比较敏感的缺点，使得本专利技术对低场强胃部核磁共振成像MRI图像中的胃部区域分割更加准确。第二，由于本专利技术方法中的w-U-Net分割网络的训练样本是核磁共振成像MRI设备成像时磁场强度低于0.5T的低场强胃部核磁共振成像MRI图像，克服了现有技术只能对核磁共振成像MRI设备成像时磁场强度高于0.5T的常规场强胃部核磁共振成像MRI图像进行分割的不足，使得本专利技术对低场强胃部核磁共振成像MRI图像的分割精度更高。第三，由于本专利技术方法中的w-U-Net分割网络是一个端到端形式的深度网络模型，直接输入待分割的低场强胃部核磁共振成像MRI图像即可输出分割结果，克服了现有技术分割速度慢的缺点，使得本专利技术对单幅低场强胃部核磁共振成像MRI图像的分割时间≤0.2秒，本文档来自技高网...
【技术保护点】
1.一种低场强胃部核磁共振成像MRI图像分割装置，包括图像标注模块、图像增广模块、图像归一化模块、图像显示模块，其特征在于，还包括图像分割模块；其中：所述图像标注模块，用于生成与低场强胃部核磁共振成像MRI图像对应的标注图像；所述图像增广模块，用于扩充低场强胃部核磁共振成像MRI图像及其对应的标注图像；所述图像归一化模块，用于将低场强胃部核磁共振成像MRI图像的像素值映射到区间[0,1]；所述图像分割模块，用于分割归一化后的低场强胃部核磁共振成像MRI图像中的胃部区域；所述图像显示模块，用于显示经过w‑U‑Net分割网络分割后的胃部图像。
【技术特征摘要】
1.一种低场强胃部核磁共振成像MRI图像分割装置，包括图像标注模块、图像增广模块、图像归一化模块、图像显示模块，其特征在于，还包括图像分割模块；其中：所述图像标注模块，用于生成与低场强胃部核磁共振成像MRI图像对应的标注图像；所述图像增广模块，用于扩充低场强胃部核磁共振成像MRI图像及其对应的标注图像；所述图像归一化模块，用于将低场强胃部核磁共振成像MRI图像的像素值映射到区间[0,1]；所述图像分割模块，用于分割归一化后的低场强胃部核磁共振成像MRI图像中的胃部区域；所述图像显示模块，用于显示经过w-U-Net分割网络分割后的胃部图像。2.一种低场强胃部核磁共振成像MRI图像分割方法，其特征在于，构建一个w-U-Net网络，利用加权交叉熵损失函数区别对待对胃部区域和非胃部区域的分类损失，实现对低场强胃部核磁共振成像MRI图像分割；该方法的具体步骤包括如下：(1)标注图像：(1a)图像标注模块通过人工操作依次在每一幅胃部核磁共振成像MRI图像中勾画出胃部区域；(1b)将胃部区域内的所有像素点的值设置为1，非胃部区域的像素点的值设置为0，将设置完像素点值后的图像作为与每一幅胃部核磁共振成像MRI图像对应的标注图像；(2)扩充低场强胃部核磁共振成像MRI图像及其对应的标注图像：图像增广模块对每一幅低场强胃部核磁共振成像MRI图像与其对应的标注图像分别进行增广操作，得到3幅新的低场强胃部核磁共振成像MRI图像与3幅对应的新的标注图像；(3)归一化低场强胃部核磁共振成像MRI图像：图像归一化模块利用归一化公式，对扩充后的低场强胃部核磁共振成像MRI图像进行归一化，将低场强胃部核磁共振成像MRI图像的像素值，映射到[0,1]区间；(4)生成低场强胃部核磁共振成像MRI图像训练集：将每幅归一化后的胃部核磁共振成像MRI图像及其对应的标注图像组成一个数据对，将所有数据对均分10份，其中随机选择8份组成训练样本集，2份作为测试样本集；(5)生成w-U-Net分割网络：将U-Net分割网络的卷积层运算模式设置为“same”，并设置损失函数为加权交叉熵损失函数，生成w-U-Net分割网络；(6)训练w-U-Net分割网络：(6a)从训练样本集中依次选择17个数据对组成一个训练批次；(6...
【专利技术属性】
技术研发人员：缑水平，张晓鹏，孟祥海，毛莎莎，焦昶哲，刘波，刘伟，李国栋，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61
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。