【技术实现步骤摘要】
使用小样本图像训练的髋关节分割模型建立方法及其应用
本专利技术属于医学图像处理领域，更具体地，涉及一种使用小样本图像训练的髋关节分割模型建立方法及其应用。
技术介绍
在医学图像处理领域中图像分割是非常重要的一项技术，其过程是将医学图像中的感兴趣区域提取出来，该分割结果对于术前手术规划、术中导航、术后结果的评估都具有重要的参考价值。在机器人辅助髋关节置换手术的过程中，通常是将髋关节作为目标区域，将术中获取的二维X-ray图像与术前的三维CT图像配准，以达到术中实时导航的目的。因此如何快速且准确的从X-ray图像中分割出髋关节(骨盆、股骨)，是机器人辅助髋关节置换手术中至关重要的一环。在髋关节X-ray图像中，由于骨骼和肌肉等软组织重叠交错(如图1中的(a)所示)、病人拍摄的摆位不同(如图1中的(b)所示)以及成像过程中噪声(如图1中的(c)所示)的影响，使用传统的分割方法，如阈值分割法、图割(graph-cut)法等，都很难自动的从X-ray图像中准确地提取出髋关节。近些年来，由于卷积神经网络(Convolutiona...
【技术保护点】
1.一种使用小样本图像训练的髋关节分割模型建立方法，其特征在于，包括：/n预训练数据集构建步骤：通过数字重建放射影像的方法从不同角度对标记了髋关节区域的小样本CT数据进行投影，得到大量带标记的模拟图像，由模拟图像及其中标记的髋关节区域构成预训练数据集；/n分割模型预训练步骤：建立分割模型，用于对输入图像进行图像分割，以提取髋关节区域，并利用所述预训练数据集对所述分割模型进行预训练；/n分割模型微调步骤：利用标记了髋关节区域的小样本X-ray图像构建训练数据集，并利用所述训练数据集对预训练之后的所述分割模型进行训练，以对所述分割模型进行微调，在训练结束后，将所述分割模型作为所...
【技术特征摘要】
1.一种使用小样本图像训练的髋关节分割模型建立方法，其特征在于，包括：
预训练数据集构建步骤：通过数字重建放射影像的方法从不同角度对标记了髋关节区域的小样本CT数据进行投影，得到大量带标记的模拟图像，由模拟图像及其中标记的髋关节区域构成预训练数据集；
分割模型预训练步骤：建立分割模型，用于对输入图像进行图像分割，以提取髋关节区域，并利用所述预训练数据集对所述分割模型进行预训练；
分割模型微调步骤：利用标记了髋关节区域的小样本X-ray图像构建训练数据集，并利用所述训练数据集对预训练之后的所述分割模型进行训练，以对所述分割模型进行微调，在训练结束后，将所述分割模型作为所建立的髋关节分割模型。
2.如权利要求1所述的使用小样本图像训练的髋关节分割模型建立方法，其特征在于，所述分割模型为深度注意力对抗网络中的生成器；
所述深度注意力对抗网络包括生成器和判别器；
所述生成器用于对输入图像进行图像分割，以提取髋关节区域；
所述判别器的输入为图像对，所述图像对由原图和所述生成器输出的分割图像构成，或者由原图和所标记的金标准构成，所述判别器用于在预训练和训练过程中判断输入的图像对中所包含的是分割图像还是金标准。
3.如权利要求2所述的使用小样本图像训练的髋关节分割模型建立方法，其特征在于，所述生成器的建立方式为：
将U-net网络中的特征提取模块替换为残差块，和/或在所述U-net网络中编码器与解码器间的各跳跃连接中加入一个空间和通道注意力门，得到所述生成器；空间和通道注意力门用于分别获取一个空间和通道的权重图，与编码器所提取的相应特征图点乘后，叠加在解码器中同一级别的特征图上；
所述残差块包括依次连接的第一卷积层、第一ReLU激活函数层、第二卷积层、特征相加层以及第二ReLU激活函数层；所述第一卷积层的输入图像通过第三卷积层与所述特征相加层相连，构成残差结构。
4.如权利要求3所述的使用小样本图像训练的髋关节分割模型建立方法，其特征在于，各卷积层之后还连接...
【专利技术属性】
技术研发人员：李强，吕进鑫，梁愿怀，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42
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。