基于轻量级卷积神经网络和空间先验传播的胰腺分割方法技术

本发明专利技术公开了一种基于轻量级卷积神经网络和空间先验传播的胰腺分割方法，本发明专利技术的胰腺分割方法将小目标胰腺分割问题解耦为分割子问题和定位子问题，并分别设计了函数具体的子网络。基于此，构建了一个新的端到端的深度卷积神经网络模型，能够以较低的计算复杂度获得较高的胰腺分割准确率，便于实际临床的应用。

【技术实现步骤摘要】
基于轻量级卷积神经网络和空间先验传播的胰腺分割方法
本专利技术属于医学图像处理
，具体涉及一种基于轻量级卷积神经网络和空间先验传播的胰腺分割方法。
技术介绍
胰腺分割，旨在自动地从医学图像(腹部对比度增强CT扫描图像)中将胰腺区域标注出来。该任务在胰腺癌诊断分析(定位肿瘤和病变区域)，胰腺癌变化发现(观察肿瘤生长或减少)，胰腺癌治疗方案确定(提供手术计划)及胰腺解剖结构研究等方面起着至关重要的作用。现有胰腺分割算法大致分为基于传统手工特征的胰腺自动分割方法和基于卷积神经网络的胰腺自动分割方法两大类。前者因特征表示简单而具有较低的分割准确率，并且耗时长；后者因卷积特征强大的表征能力而广泛应用于胰腺分割领域。因医学图像的3D属性，后者又分为基于2D卷积神经网络的方法，基于3D卷积神经网络的方法以及介于2D与3D间的卷积神经网络的方法这三小类。基于3D卷积神经网络的方法以及介于2D与3D间的卷积神经网络的方法虽考虑了相邻切片间的一致性，但是具有较高的计算复杂度。目前基于2D卷积神经网络的方法仍然是胰腺分割任务最常采用的方法。相比本文档来自技高网...

【技术保护点】
1.一种基于轻量级卷积神经网络和空间先验传播的胰腺分割方法，其特征在于，包括：/n获取第一图片集和第二图片集，其中，所述第一图片集包括若干第一腹部CT图像，所述第二图片集包括若干第二腹部CT图像，且所述第一腹部CT图像和所述第二腹部CT图像均为3D图像；/n根据所述第一腹部CT图像对应得到X轴方向的第一2D切片图像、Y轴方向的第二2D切片图像和Z轴方向的第三2D切片图像；/n根据所述第一腹部CT图像对应的第一真值图得到X轴方向的第一2D胰腺空间先验、Y轴方向的第二2D胰腺空间先验和Z轴方向的第三2D胰腺空间先验；/n将所述第一2D切片图像、所述第二2D切片图像和所述第三2D切片图像分别输入第一...

【技术特征摘要】
1.一种基于轻量级卷积神经网络和空间先验传播的胰腺分割方法，其特征在于，包括：
获取第一图片集和第二图片集，其中，所述第一图片集包括若干第一腹部CT图像，所述第二图片集包括若干第二腹部CT图像，且所述第一腹部CT图像和所述第二腹部CT图像均为3D图像；
根据所述第一腹部CT图像对应得到X轴方向的第一2D切片图像、Y轴方向的第二2D切片图像和Z轴方向的第三2D切片图像；
根据所述第一腹部CT图像对应的第一真值图得到X轴方向的第一2D胰腺空间先验、Y轴方向的第二2D胰腺空间先验和Z轴方向的第三2D胰腺空间先验；
将所述第一2D切片图像、所述第二2D切片图像和所述第三2D切片图像分别输入第一定位子网络，对应得到X轴方向的第二定位子网络、Y轴方向的第三定位子网络和Z轴方向的第四定位子网络；
基于第一分割子网络，根据所述第二定位子网络输出的第一粗略胰腺分割图、所述第三定位子网络输出的第二粗略胰腺分割图和所述第四定位子网络输出的第三粗略胰腺分割图，对应得到X轴方向的第二分割子网络、Y轴方向的第三分割子网络和Z轴方向的第四分割子网络；
根据先验传播模块、联合目标函数、所述第二定位子网络、所述第三定位子网络、所述第四定位子网络、所述第二分割子网络、所述第三分割子网络和所述第四分割子网络，对应得到训练完成的所述第二定位子网络、所述第三定位子网络、所述第四定位子网络、所述第二分割子网络、所述第三分割子网络和所述第四分割子网络；
根据所述第二腹部CT图像、训练完成的所述第二定位子网络、所述第三定位子网络、所述第四定位子网络、所述第二分割子网络、所述第三分割子网络和所述第四分割子网络，得到最终的3D胰腺分割结果。


2.根据权利要求1所述的胰腺分割方法，其特征在于，根据所述第一腹部CT图像对应得到X轴方向的第一2D切片图像、Y轴方向的第二2D切片图像和Z轴方向的第三2D切片图像，包括：
在预设区间对所述第一腹部CT图像进行首尾截断和归一化处理得到第三腹部CT图像；
按照X轴方向、Y轴方向和Z轴方向对所述第三腹部CT图像进行切片处理，对应得到X轴方向的第一2D切片图像、Y轴方向的第二2D切片图像和Z轴方向的第三2D切片图像。


3.根据权利要求1所述的胰腺分割方法，其特征在于，根据所述第一腹部CT图像对应的第一真值图对应得到X轴方向的第一2D胰腺空间先验、Y轴方向的第二2D胰腺空间先验和Z轴方向的第三2D胰腺空间先验，包括：
按照X轴方向、Y轴方向和Z轴方向分别对所述第一真值图进行切片处理，对应得到X轴方向的第一2D真值图、Y轴方向的第二2D真值图和Z轴方向的第三2D真值图；
根据所述第一2D真值图、所述第二2D真值图和所述第三2D真值图对应得到X轴方向的所述第一2D胰腺空间先验、Y轴方向的所述第二2D胰腺空间先验和Z轴方向的所述第三2D胰腺空间先验。


4.根据权利要求3所述的胰腺分割方法，其特征在于，根据所述第一2D真值图、所述第二2D真值图和所述第三2D真值图对应得到X轴方向的所述第一2D胰腺空间先验、Y轴方向的所述第二2D胰腺空间先验和Z轴方向的所述第三2D胰腺空间先验，包括：
将X轴方向的所有第一2D真值图依次进行像素级相加处理和归一化处理得到X轴方向的所述第一2D胰腺空间先验；
将Y轴方向的所有第二2D真值图依次进行像素级相加处理和归一化处理得到Y轴方向的所述第二2D胰腺空间先验；
将Z轴方向的所有第三2D真值图依次进行像素级相加处理和归一化处理得到Z轴方向的所述第三2D胰腺空间先验。


5.根据权利要求1所述的胰腺分割方法，其特征在于，所述第一定位子网络的构建方法为：
基于全卷积网络模型FCN8s，将所述全卷积网络模型FCN8s的第四个卷积阶段中的第二个3×3的卷积层替换为倒置的残差块，并去除所述全卷积网络模型FCN8s的第五个卷积阶段、第六个卷积阶段和第七个卷积阶段，得到第一定位子网络，其中所述倒置的残差块由一个深度卷积层和两个点卷积层构成。


6.根据权利要求5所述的胰腺分割方法，其特征在于，所述第一分割子网络的构建方法为：
所述第一分割子网络的编码阶段的第一卷积阶段至第四个卷积阶段与所述第一定位子网络的第一个卷积阶段至第四个卷积阶段相同；
所述第一分割子网络的解码阶段包括反卷积层和尺度变换特征融合模块，其中所述尺度变换特征融合模块由级联的尺度变换层和卷积层构成。


7.根据权利要求6所述的胰腺分割方法，其特征在于，所述先验传播模块由一个3×3的卷积层级联一个5×5的卷积层构成。


8.根据权利要求7所述的胰腺分割方法，其特征在于，根据先验传播模块、联合目标函数、所述第二定位子网络、所述第三定位子网络、所述第四定位子网络、所述第二分割子网络、所述第三分割子网络和所述第四分割子网络，对应得到训练完成的所述第二定位子网络、所述第三定位子网络、所述第四定位子网络、所述第二分割子网络、所述第三分割子网络和所述第四分割子网络，包括：
将所述第一2D胰腺空间先验经过所述先验传播模块处理...

【专利技术属性】
技术研发人员：张鼎文，张佳佳，张强，韩军功，王龙，
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