【技术实现步骤摘要】
一种肝脏以及肝脏肿瘤的图像分割方法和装置
本专利技术涉及医学图像处理的
，尤其涉及一种肝脏以及肝脏肿瘤的图像分割方法，还涉及一种肝脏以及肝脏肿瘤的图像分割装置。
技术介绍
肝癌是全球患病率第六高、致死率第二高的癌症。2012年，在全球范围内造成782,000例死亡，在2015年造成810,500例死亡。肝脏肿瘤分割是肝癌术前诊断、手术方案制定及术后疗效评估的重要步骤。然而，手动分割肝脏以及肝脏肿瘤，费时费力，且需要医生大量经验积累。因此，全自动的肝脏以及肝脏肿瘤分割对于辅助医生的日常工作是十分必要的。然而肝脏以及肿瘤的自动分割是十分具有挑战性。肝脏与周边组织对比度较低，且不同病人间的肝脏外形差异较大。相较于肝脏，肝脏肿瘤的分割难度更大。首先肝脏肿瘤的形状、大小、数量以及出现位置均不固定，其次肿瘤灰度轮廓不清晰，难以辨识。为了解决这些难题，许多分割算法被提出。阈值分割，区域增长等算法因其速度快，实现简单，被广泛应用于医学图像分割领域。主动轮廓模型，例如水平集算法，因其良好的数值计算性质，同样被研究人员所广...
【技术保护点】
1.一种肝脏以及肝脏肿瘤的图像分割方法，其特征在于：其包括以下步骤：/n(1)获取腹部磁共振影像；/n(2)使用肝脏模型确定感兴趣区域，肝脏模型为空洞三维残差U形神经网络Dial3DResUNet，其结合长短程跳跃连接结构以及混合空洞卷积，充分捕获图像全局结构信息从而进行精准的肝脏分割；/n(3)使用肝脏肿瘤模型进行精细分割以减少假阳性，肝脏肿瘤模型为混合三维卷积神经网络H3DNet，其由混合三维Hybrid-3D卷积组成，在有效提取肝脏肿瘤三维特征的同时大幅度减少模型参数量，并降低模型优化难度以及过拟合风险。/n
【技术特征摘要】
1.一种肝脏以及肝脏肿瘤的图像分割方法，其特征在于：其包括以下步骤：
(1)获取腹部磁共振影像；
(2)使用肝脏模型确定感兴趣区域，肝脏模型为空洞三维残差U形神经网络Dial3DResUNet，其结合长短程跳跃连接结构以及混合空洞卷积，充分捕获图像全局结构信息从而进行精准的肝脏分割；
(3)使用肝脏肿瘤模型进行精细分割以减少假阳性，肝脏肿瘤模型为混合三维卷积神经网络H3DNet，其由混合三维Hybrid-3D卷积组成，在有效提取肝脏肿瘤三维特征的同时大幅度减少模型参数量，并降低模型优化难度以及过拟合风险。
2.根据权利要求1所述的肝脏以及肝脏肿瘤的图像分割方法，其特征在于：所述步骤(2)中，肝脏模型仅用三个降采样层，此时基础模型在编码器末端的感受野大小为90*90*90；为了在模型编码器的深层部分提取到图像不同位置之间的长程依赖关系，加入空洞卷积。
3.根据权利要求2所述的肝脏以及肝脏肿瘤的图像分割方法，其特征在于：所述空洞卷积为混合空洞卷积：将基础模型编码器部分的第二个降采样层后连续的三个卷积层的空洞率分别设置为1、2、4，将第三个降采样层后连续的三个卷积层空洞率分别设置为3、4、5；将加入空洞卷积后的模型称为Dial3DResUNet，其在编码器末端感受野提升至266*266*266。
4.根据权利要求3所述的肝脏以及肝脏肿瘤的图像分割方法，其特征在于：所述步骤(2)中，对于模型解码器部分，在每个stage末端引入辅助损失，形成深度监督机制。
5.根据权利要求4所述的肝脏以及肝脏肿瘤的图像分割方法，其特征在于：所述步骤(3)中，具体包括以下步骤：
(a)在训练样本采样规则上，根据肿瘤金标准，找到每一个肿瘤的三维包围盒，并在三个维度上均向外扩张一定的比例，在训练采样时，仅在这些膨胀过的三维立方体内随机的采出固定大小的block进行训练；
(b)从卷积模块上，提出Hybrird-3D卷积，其将一层3D卷积解耦为两层，分别为intra-slice卷积和inter-slice卷积，前者负责提取输入张量中XY方向上的特征，后者负责对Z轴方向上的特征进行融合。
6.根据权利要求4所述的肝脏以及肝脏肿瘤的图像分割方法，其特征在于：所述步骤(3)中，
一个3D卷积层表示为Conv(I,...
【专利技术属性】
技术研发人员：杨健，宋红，范敬凡，张超逸，王涌天，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
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。