【技术实现步骤摘要】
残差UNet直肠癌肿瘤磁共振图像自动分割方法
本专利技术涉及一种残差UNet直肠癌肿瘤磁共振图像自动分割方法,属于直肠癌的精确分割
技术介绍
直肠癌是严重威胁我国居民健康的疾病之一。据我国国家癌症中心发表的最新报告显示,直肠癌的发病人数居我国恶性肿瘤发病人数的第三位,约占38.8%,是癌症死亡率的主要诱因之一,特别是在城市地区,其发病人数更是仅次于肺癌,成为危害人们身体健康的第二大杀手。在全球范围内,不论是发病数量还是死亡人数,结直肠癌症也一直居高不下。术前影像学检查是直肠癌治疗方法的重要步骤,它能够帮助医生确定适合患者的辅助放化疗技术和手术方式,从而提高生存率。其中,磁共振图像(MR)因其具有良好的软组织对比度,一直在直肠癌的诊断、术前预测和疗效评估中承担不可忽视的作用。因此,准确的分割直肠肿瘤对于后续的治疗规划及预后分析具有十分重要的意义。目前,直肠癌肿瘤图像的分割主要依靠经验丰富的医生进行手动勾画,这种方法不仅耗时耗力,并且容易受到医生之间内部水平差异的影响.近年来,随着深度学习在各个领域的广泛应用,其在医学图像分析任务中也收获了很大成功,其中,对于医学图像的分割,主要是在肝脏、多器官、前列腺、胰腺、颈部和大脑等方面,针对直肠癌肿瘤MR图像的自动分割研究相对较少。StefanoTrebeschi等利用卷积神经网络(CNNS)对直肠肿瘤核磁共振(MRI)图像进行完全的自动定位和分割,验证了深度学习的技术潜力。得益于全卷积神经网络(FCN)结构的提出,JunmingJian等人将其引入结直 ...
【技术保护点】
1.一种残差UNet直肠癌肿瘤磁共振图像自动分割方法,其特征在于,包括如下步骤:/nS1:提出直肠肿瘤MR图像的自动分割任务,包括如下小步:/nS11:建立AttSEResUNet网络结构:以UNet网络作为基本框架,通过残差卷积进行特征提取,并引入通道注意力挤压-激励模块和空间注意力门控模块将在不同级别提取的特征与和任务相关的特征进行选择合并,同时加深网络层数进行5次下采样:/nS12:引入通道注意力挤压-激励模块:通过全局平均池化来生成各通道的统计量,将全局空间信息压缩到一个通道描述符中;通过两个全连接层建模通道间的相关性,并输出和输入特征同样数目的权重;/nS13:引入空间注意力门控模块:抑制与分割任务不相关的信息以及噪声的激活响应,同时增强与分割任务相关的目标区域的学习;/nS14:引入BCE_DICE损失函数:将二分类交叉熵损失函数、DICE损失函数两者结合作为模型最终的损失函数,其中:/n二分类交叉熵损失函数的定义为:/n
【技术特征摘要】
1.一种残差UNet直肠癌肿瘤磁共振图像自动分割方法,其特征在于,包括如下步骤:
S1:提出直肠肿瘤MR图像的自动分割任务,包括如下小步:
S11:建立AttSEResUNet网络结构:以UNet网络作为基本框架,通过残差卷积进行特征提取,并引入通道注意力挤压-激励模块和空间注意力门控模块将在不同级别提取的特征与和任务相关的特征进行选择合并,同时加深网络层数进行5次下采样:
S12:引入通道注意力挤压-激励模块:通过全局平均池化来生成各通道的统计量,将全局空间信息压缩到一个通道描述符中;通过两个全连接层建模通道间的相关性,并输出和输入特征同样数目的权重;
S13:引入空间注意力门控模块:抑制与分割任务不相关的信息以及噪声的激活响应,同时增强与分割任务相关的目标区域的学习;
S14:引入BCE_DICE损失函数:将二分类交叉熵损失函数、DICE损失函数两者结合作为模型最终的损失函数,其中:
二分类交叉熵损失函数的定义为:
DICE损失函数的定义为:
则,组合的BCE_DICE损失函数为:
LBCE_DICE=LBCE+LDICE(3)
式中:yi为标注的真实掩膜图中像素点i的值,取值为0或1;
为算法得到的分割图中像素点i的值,取值范围为0~1;
N是分割图和标注掩模图中的像素点总个数;
ε是平滑因子,用于避免损失函数中分母为0,值取1;
S15:预测结果的后结果处理:将模型的预测结果进行二值化得到最终的肿瘤分割图,但是会有边缘噪声点或病灶区域不连续的情况产生,而根据直肠肿瘤的病灶特点,其在MR图像中的位置通常较为固定且连续,为此通过8连通域来找出分割图中的所有连通域,然后计算各连通域的面积大小,最后只保留面积最大的连通域,删除其他连通域;
S2:建立直肠肿瘤数据集进行模型评估,包括如下小步:
S21:归一化和对比度受限的自适应直方图均衡化的预处理:
归一化是在保留图像中具有诊断价值的图像信息,减小或者消除图像中其他信息不一致而进行的图像转换方法,其公式为:
式中:I为原始图像,Inorm为归一化后的图像,Imin为I的最小强度值,Imax为I的最大强度值;
对比度受限的自适应直方图均衡化是自适应直方图均衡化和直方图均衡化方法的改进,通过该方法显著降低图像噪声,并防止执行传统直方图均衡化时发生的亮度饱和;
S22:评估指标的选用:评估指标包括准确率和DICE相似系数,其中:
准确率的定义为:
DICE相似系数DSC的定义为:
式中:TP表示被正确分割成直肠肿瘤区域的像素数量;
TN表示被正确分割成背景区域的像素数量;
FP表示将背景区域预测成肿瘤区域的像素数量;
FN表示将肿瘤区域预测成背景区域的...
【专利技术属性】
技术研发人员:王明甲,陈玉翠,张在先,刘顺利,齐宝柱,曹荣生,陈爽,赵波,秦浩华,冯宇平,
申请(专利权)人:青岛科技大学,
类型:发明
国别省市:山东;37
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。