脑肿瘤图像分割方法、系统及计算机可读存储介质技术方案

本发明专利技术公开了一种脑肿瘤图像分割方法、系统及计算机可读存储介质，所述脑肿瘤图像分割方法包括：获取脑肿瘤图像，并对所述脑肿瘤图像进行预处理，得到预处理图像；构建基于分阶段式残差结构的U‑Net3+网络模型；其中，所述U‑Net3+网络模型使用FRN标准化层；输入所述预处理图像至所述U‑Net3+网络模型中进行训练，得到脑肿瘤分割图像。本发明专利技术能够较准确地提取脑肿瘤图像中的特征，有效提高了脑肿瘤图像的分割精度。

【技术实现步骤摘要】
脑肿瘤图像分割方法、系统及计算机可读存储介质
本专利技术涉及生物识别
，特别涉及一种脑肿瘤图像分割方法、系统及计算机可读存储介质。
技术介绍
脑肿瘤是众多高死亡率疾病之一。近年来，脑肿瘤的发生率逐年增加，并且年轻化的趋势明显。在脑部核磁图像中，脑肿瘤图像的分割在脑肿瘤的诊断和治疗中起着十分重要的作用。以往，该过程通常由医生手工完成，然而手工的分割费时费力，且容易引入人的主观误差，例如，脑肿瘤病变区域的边缘存在模糊不清，灰度变化等问题时，对于医生而言，手动定位和勾画脑肿瘤病变区域的过程是一件非常费时费力的工作，且易受医生的主观判断和经验程度不同的影响。因此，针对脑肿瘤图像分割方法变得尤为重要。现有的脑肿瘤图像分割方法，通常是采用U型卷积神经网络(U-Net)对脑肿瘤图像进行训练以实现对脑肿瘤图像的分割，但是采用这种脑肿瘤图像分割方法，无法对脑肿瘤图像中的特征进行有效提取，从而导致对脑肿瘤图像的分割精度较低。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种脑肿瘤图像分割方法，能够较准确地提取脑肿瘤图像中的特征，有效提高了脑肿瘤图像的分割精度。本专利技术还提出了一种脑肿瘤图像分割系统。本专利技术还提出了一种计算机可读存储介质。本专利技术实施例的第一方面，提供了一种脑肿瘤图像分割方法，包括以下步骤：获取脑肿瘤图像，并对所述脑肿瘤图像进行预处理，得到预处理图像；构建基于分阶段式残差结构的U-Net3+网络模型；其中，所述U-Net3+网络模型使用FRN标准化层；输入所述预处理图像至所述U-Net3+网络模型中进行训练，得到脑肿瘤分割图像。本专利技术实施例中提供的一个或多个技术方案，至少具有如下有益效果：本专利技术实施例的脑肿瘤图像分割方法，通过获取脑肿瘤图像，并对脑肿瘤图像进行预处理，得到预处理图像，再构建基于分阶段式残差结构的U-Net3+网络模型，其中，U-Net3+网络模型使用FRN标准化层，最后输入预处理图像至U-Net3+网络模型中进行训练，得到脑肿瘤分割图像。相对于现有技术，本专利技术实施例的技术方案，能够较准确地提取脑肿瘤图像中的特征，有效提高了脑肿瘤图像的分割精度。根据本专利技术的一些实施例，所述获取脑肿瘤图像，并对所述脑肿瘤图像进行预处理，得到预处理图像，包括：获取脑肿瘤图像，对所述脑肿瘤图像中的多个模态的脑肿瘤数据进行标准化处理，得到多个所述模态的标准化的脑肿瘤数据；定义若干个标签，并将若干个所述标签划分成三个不同的分割区域；其中，三个所述不同的分割区域包括整体肿瘤区域、肿瘤核心区域和增强肿瘤区域；将三个所述不同的分割区域以及多个所述模态的标准化的脑肿瘤数据分别进行通道合并，得到合并图像；裁剪所述合并图像，得到裁剪图像，并对所述裁剪图像进行切片处理，得到预处理图像。根据本专利技术的一些实施例，所述构建基于分阶段式残差结构的U-Net3+网络模型；其中，所述U-Net3+网络模型使用FRN标准化层，包括：构造四层下采样与四层上采样；采用具有四层所述下采样与四层所述上采样、全尺度跳跃连接和FRN标准化层的U-Net3+网络结构；将分阶段式残差结构结合至所述U-Net3+网络结构中的编码部分，以构建基于分阶段式残差结构的U-Net3+网络模型。根据本专利技术的一些实施例，所述分阶段式残差结构包括开始残差块、结束残差块和若干个中间残差块。根据本专利技术的一些实施例，所述U-Net3+网络结构还包括阈值线性单元激活函数。根据本专利技术的一些实施例，所述FRN标准化层的计算公式为：v2＝∑ixi2/N；其中，所述V表示所述FRN标准化层；所述x表示输入值；所述y表示输出值；所述i表示正整数；所述N表示预处理图像的宽×高；所述c表示极小的正常数以防止分母为0；所述β表示可学习的参数；所述阈值线性单元激活函数的计算公式为：Z＝max(y,τ)＝ReLU(y-τ)+γ；其中，所述Z表示所述阈值线性单元激活函数；所述y表示所述输出值；所述τ表示可学习的阈值；所述γ表示可学习的参数。根据本专利技术的一些实施例，所述输入所述预处理图像至所述U-Net3+网络模型中进行训练，得到脑肿瘤分割图像，还包括：输入所述预处理图像至所述U-Net3+网络模型中进行训练，得到训练图像；对所述U-Net3+网络模型中的训练图像进行测试时数据增强，得到脑肿瘤分割图像。根据本专利技术的一些实施例，所述对所述U-Net3+网络模型中的训练图像进行测试时数据增强，得到脑肿瘤分割图像，包括：对所述U-Net3+网络模型中的训练图像进行测试时，将第一批的测试数据经过折叠、旋转、缩放处理后，生成若干个第二批的测试数据；将每个所述第二批的测试数据分别输入至所述U-Net3+网络模型中，输出得到掩膜；将所述掩膜进行反向转换，并通过合并每个所述第二批的测试数据，得到脑肿瘤分割图像。本专利技术实施例的第二方面，提供了一种脑肿瘤图像分割系统，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述第一方面所述的脑肿瘤图像分割方法。本专利技术实施例的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述第一方面所述的脑肿瘤图像分割方法。本专利技术的附加方面和/或优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本专利技术一个实施例所提供的脑肿瘤图像分割方法的流程示意图；图2是本专利技术一个实施例所提供的分阶段式残差结构的结构示意图；图3是本专利技术一个实施例所提供的获取预处理图像的流程示意图；图4是本专利技术一个实施例所提供的构建U-Net3+网络模型的流程示意图；图5是本专利技术一个实施例所提供的U-Net3+网络模型的结构示意图；图6是本专利技术一个实施例所提供的FRN标准化层的计算过程示意图；图7是本专利技术一个实施例所提供的获取脑肿瘤分割图像的流程示意图；图8是本专利技术一个实施例所提供的测试时数据增强的流程示意图；图9是本专利技术另一个实施例所提供的获取脑肿瘤分割图像的流程示意图；图10是本专利技术一个实施例所提供的脑肿瘤图像分割系统的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。需要说明的是，虽然在系统示意图中进行了功能模本文档来自技高网...

【技术保护点】
1.一种脑肿瘤图像分割方法，其特征在于，包括以下步骤：/n获取脑肿瘤图像，并对所述脑肿瘤图像进行预处理，得到预处理图像；/n构建基于分阶段式残差结构的U-Net3+网络模型；其中，所述U-Net3+网络模型使用FRN标准化层；/n输入所述预处理图像至所述U-Net3+网络模型中进行训练，得到脑肿瘤分割图像。/n

【技术特征摘要】
1.一种脑肿瘤图像分割方法，其特征在于，包括以下步骤：
获取脑肿瘤图像，并对所述脑肿瘤图像进行预处理，得到预处理图像；
构建基于分阶段式残差结构的U-Net3+网络模型；其中，所述U-Net3+网络模型使用FRN标准化层；
输入所述预处理图像至所述U-Net3+网络模型中进行训练，得到脑肿瘤分割图像。


2.根据权利要求1所述的脑肿瘤图像分割方法，其特征在于，所述获取脑肿瘤图像，并对所述脑肿瘤图像进行预处理，得到预处理图像，包括：
获取脑肿瘤图像，对所述脑肿瘤图像中的多个模态的脑肿瘤数据进行标准化处理，得到多个所述模态的标准化的脑肿瘤数据；
定义若干个标签，并将若干个所述标签划分成三个不同的分割区域；其中，三个所述不同的分割区域包括整体肿瘤区域、肿瘤核心区域和增强肿瘤区域；
将三个所述不同的分割区域以及多个所述模态的标准化的脑肿瘤数据分别进行通道合并，得到合并图像；
裁剪所述合并图像，得到裁剪图像，并对所述裁剪图像进行切片处理，得到预处理图像。


3.根据权利要求1所述的脑肿瘤图像分割方法，其特征在于，所述构建基于分阶段式残差结构的U-Net3+网络模型；其中，所述U-Net3+网络模型使用FRN标准化层，包括：
构造四层下采样与四层上采样；
采用具有四层所述下采样与四层所述上采样、全尺度跳跃连接和FRN标准化层的U-Net3+网络结构；
将分阶段式残差结构结合至所述U-Net3+网络结构中的编码部分，以构建基于分阶段式残差结构的U-Net3+网络模型。


4.根据权利要求3所述的脑肿瘤图像分割方法，其特征在于：所述分阶段式残差结构包括开始残差块、结束残差块和若干个中间残差块。


5.根据权利要求3所述的脑肿瘤图像分割方法，其特征在于：所述U-Net3+网络结构还包括阈值线性单元激活函数。


6.根据权利要求5所述的脑肿瘤图像分割方法，其特征在于：所述FRN标准化层的计算公式为：
v2＝∑...

【专利技术属性】
技术研发人员：秦传波，吴雨杰，廖文斌，曾军英，余振辉，万昕，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44