【技术实现步骤摘要】
基于多尺度迁移学习的MRI胰腺图像分割方法
本专利技术属于医学图像处理
，特别涉及一种MRI胰腺图像分割的方法，可用于提高MRI图像中胰腺组织的分割效果。
技术介绍
胰腺癌是出现在腹部胰脏的癌症，是常见肿瘤中恶性程度最高、死亡率最高的癌症。在过去十年，胰腺癌的发病率有所上升，胰腺癌的5年存活率为9％，是所有癌症中存活率最低的。胰腺癌多发现于晚期，通常患者错过了手术治疗的最佳时期。针对胰腺癌患者，以放射治疗为基础的综合治疗成为国际标准治疗方式。当前，以磁共振成像MRI引导的放射治疗是胰腺癌诊断和治疗的主要手段。MRI对人体不产生放射伤害，不受限于患者内部解剖结构，且一次成像可以提供多种图像序列帮助医生诊断治疗，可以多方位观察病变区域信息。但是胰腺位于人体上腹深处，周围组织结构复杂，临近肝脏，脾脏等器官，且胰腺体积小，与周围组织黏连严重，个体差异大。此外，受限MRI软组织成像边缘模糊，胰腺分割难度进一步增加。PET/MRI是将正子发射断层扫描PET的分子成像功能与磁共振成像MRI的软组织对比功能结合起来的一...
【技术保护点】
1.一种基于多尺度迁移学习的MRI胰腺图像分割方法，其特征在于，包括如下：/n(1)使用正电子发射断层扫描PET设备对人体胰腺部位进行成像，得到PET图像序列，记为PET图像数据集X,使用磁共振成像MRI设备对人体胰腺部位进行成像，得到MRI图像序列，记为MRI图像数据集Y，其中，PET图像是三维全身成像，MRI是二维成像；/n(2)对PET图像数据集X中的胰腺部位进行标记，得到PET胰腺参考数据集X
【技术特征摘要】
1.一种基于多尺度迁移学习的MRI胰腺图像分割方法，其特征在于，包括如下：
(1)使用正电子发射断层扫描PET设备对人体胰腺部位进行成像，得到PET图像序列，记为PET图像数据集X,使用磁共振成像MRI设备对人体胰腺部位进行成像，得到MRI图像序列，记为MRI图像数据集Y，其中，PET图像是三维全身成像，MRI是二维成像；
(2)对PET图像数据集X中的胰腺部位进行标记，得到PET胰腺参考数据集XT，对MRI图像数据集Y中的胰腺部位进行标记，得到MRI胰腺参考数据集YT；
(3)对PET图像数据集对{X,XT}进行扩充，得到扩充的PET图像数据集对{P,PT},对MRI图像数据集对{Y,YT}进行扩充，得到扩充的MRI图像数据集对{M,MT}；
(4)对扩充的PET图像数据集对{P,PT}中P的每张PET图像和扩充的MRI图像数据集对{M,MT}中M的每张MRI图像进行归一化操作，即将Hu值映射到区间[0,1]，对扩充的PET图像数据集对{P,PT}中PT的每张PET胰腺参考图像和扩充的MRI图像数据集对{M,MT}中MT的每张MRI胰腺参考图像进行灰度转换操作，即将二值图像转换成浮点数；
(5)对扩充的PET图像数据集对{P,PT}和扩充的MRI图像数据集对{M,MT}中的每张PET图像和MRI图像及其对应的胰腺参考图像进行裁剪，得PET图像数据集对{DP,GP}和MRI图像数据集对{DM,GM}；
(6)搭建基于PET图像的编码器-解码器网络N，并初始化：
(6a)根据得到的PET图像数据集对{DP,GP}，通过交叉验证搭建一个包括输入层、特征提取层、下采样层、反卷积层和输出层的25层网络，构成基于PET图像的编码器-解码器网络N，网络的输入为PET图像，输出为胰腺分割结果图像；
(6b)用MSRA初始化方法初始化网络的权值W，并将网络的所有偏置b初始化为0；
(7)使用PET图像数据集对{DP,GP}，训练基于PET图像的编码器-解码器网络N，得到训练好的分割网络NT；
(8)搭建基于多尺度迁移学习的编码器-解码器MRI分割网络M，并初始化：
(8a)根据MRI图像数据集对{DM,GM}，通过交叉验证搭建一个包括两条支路构成的基于多尺度迁移学习的编码器-解码器MRI分割网络M，其中，第一支路依次连接第一多尺度卷积层、第二多尺度卷积层、第三多尺度卷积层、第四多尺度卷积层、第一上采样层、第一特征提取层、第二上采样层、第二特征提取层、第三上采样层、第三特征提取层和输出层；将编码器-解码器网络NT中的第2层到第9层对应的结构和权重迁移到MRI分割网络M中，并在训练过程中保持不变，构成其第二支路；在上采样层，将多尺度卷积层提取的多尺度图像特征和第二支路中卷积层提取的图像特征融合输出，该网络的输入为MRI图像，输出为胰腺分割结果图像；
(8b)用MSRA初始化方法初始化MRI分割网络M的权值W，并将MRI分割网络M的所有偏置b初始化为0；
(9)使用MRI图像数据集对{DM,GM}，训练基于多尺度迁移学习的编码器-解码器MRI分割网络M，得到训练好的MRI分割网络MT；
(10)将一张完整的MRI图像XM输入到训练好的MRI分割网络MT中，经过该分割网络MT的前向传播，得到胰腺分割结果图像AT。
2.根据权利要求1所述的方法，其特征在于，(3)中对PET图像数据集对{X,XT}进行扩充，得到扩充的PET图像数据集对{P,PT}，按如下步骤进行：
(3a)对PET图像数据集X中PET图像x进行扩充，得到扩充的PET图像数据集P：
(3a1)对PET图像x沿其水平中轴线上下翻转，得到第2张PET图像；
(3a2)对PET图像x逆时针旋转90度，得到第3张PET图像；再沿水平中轴线上下翻转，得到第4张PET图像；
(3a3)对PET图像x逆时针旋转180度，得到第5张PET图像；再沿其水平中轴线上下翻转，得到第6张PET图像；
(3a4)对PET图像x逆时针旋转270度，得到第7张PET图像；再沿其水平中轴线上下翻转，得到第8张PET图像；
(3b)对PET胰腺参考数据集XT进行扩充，得到扩充的PET胰腺参考数据集PT：
(3b1)对胰腺参考图像xT沿其水平中轴线上下翻转，得到第2张胰腺参考图像；
(3b2)对胰腺参考图像xT逆时针旋转90度，得到第3张胰腺参考图像；再沿水平中轴线上下翻转，得到第4张胰腺参考图像；
(3b3)对胰腺参考图像xT逆时针旋转180度，得到第5张胰腺参考图像；再沿其水平中轴线上下翻转，得到第6张胰腺参考图像；
(3b4)对胰腺参考图像xT逆时针旋转270度，得到第7张胰腺参考图像；再沿其水平中轴线上下翻转，得到第8张胰腺参考图像；
(3c)重复操作(3a)和(3b)，依次处理PET图像数据集{X,XT}中每一对PET图像x及其对应的胰腺参考图像xT，得到扩充的PET图像数据集对{P,PT}。
3.根据权利要求1所述的方法，其特征在于，(3)中对MRI图像数据集对{Y,YT}进行扩充，得到扩充的MRI图像数据集对{M,MT}，按如下步骤进行：
(3d)对MRI图像数据集Y中MRI图像y进行扩充，得到扩充的MRI图像数据集M：
(3d1)对MRI图像y沿其水平中轴线上下翻转，得到第2张MRI图像；
(3d2)对MRI图像y逆时针旋转90度，得到第3张MRI图像；再沿水平中轴线上下翻转，得到第4张MRI图像；
(3d3)对MRI图像y逆时针旋转180度，得到第5张MRI图像；再沿其水平中轴线上下翻转，得到第6张MRI图像；
(3d4)对MRI图像y逆时针旋转270度，得到第7张MRI图像；再沿其水平中轴线上下翻转，得到第8张MRI图像；
(3e)对MRI胰腺参考数据集YT进行扩充，得到扩充的MRI胰腺参考数据集MT：
(3e1)对胰腺参考图像yT沿其水平中轴线上下翻转，得到第2张胰腺参考图像；
(3e2)对胰腺参考图像yT逆时针旋转90度，得到第3张胰腺参考图像；再沿水平中轴线上下翻转，得到第4张胰腺参考图像；
(3e3)对胰腺参考图像yT逆时针旋转180度，得到第5张胰腺参考图像；再沿其水平中轴线上下翻转，得到第6张胰腺参考图像；
(3e4)对胰腺参考图像yT逆时针旋转270度，得到第7张胰腺参考图像；再沿其水平中轴线上下翻转，得到第8张胰腺参考图像；
(3f)重复操作(3d)和(3e)，依次处理MRI图像数据集{Y,YT}中每一对MRI图像y及其对应的胰腺参考图像yT，得到扩充的MRI图像数据集对{M,MT}。
4.根据权利要求1所述的方法，其特征在于，(4)中对扩充的PET图像数据集对{P,PT}和扩充的MRI图像数据集对{M,MT}进行归一化和数值转换，其实现如下：
(4a)将PET图像和MRI图像的灰度值归一化到[0,1]，得到归一化后的图像X'：
其中，X表示输入图像，min(X)表示输入的PET图像或MRI图像像素灰度值的最小值，max(X)表示输入的PET图像或MRI图像像素灰度值的最大值；
(4b)将输入PET图像和MRI图像对应的胰腺参考图像的灰度值转换为浮点型。
5.根据权利要求1所述的方法，其特征在于，(5)中对每张PET图像和MRI图像及其对应的胰腺参考图像进行裁剪，实现如下：
(5a)对PET图像集{P,PT}进行裁剪，即将PET图像及其对应的胰腺擦参考图像，裁剪其上下左右各40个像素点，再调整其尺寸为320*240；
(5b)对MRI图像集{M,MT}进行裁剪，即将MRI图像及其对应的胰腺参考图像，裁剪其上下各136个像素点，左右各96个像素点，再调整其尺寸为320*240；
(5c)重复(5a)和(5b)，依次处理PET图像数据集{P,PT}和MRI图像数据集{M,MT}中每一对PET图像和每一...
【专利技术属性】
技术研发人员：缑水平，刘豪锋，陈姝喆，顾裕，焦昶哲，毛莎莎，焦李成，李阳阳，
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。