【技术实现步骤摘要】
基于半监督学习的病灶分割模型训练、应用方法
本专利技术涉及图像识别
,更具体地,涉及基于半监督学习的病灶分割模型训练、应用方法。
技术介绍
阿尔兹海默症(Alzheimer’sDisease,AD)是一种以记忆功能和认知功能进行性退化为特征的临床综合征,是导致痴呆症的主要原因,也是导致人类死亡的一大原因。AD的潜伏期较长,其临床表现也会随着时间的推移而慢慢恶化,医学上将其临床表现分为3个阶段:主观认知功能障碍(SubjectiveCognitiveImpairment,SCI)、轻度认知障碍(MildCognitiveImpairment,MCI)和AD。其中SCI是属于正常人类大脑老化会经过的一个阶段,通常随着年龄的增长,大多数人都会出现这种现象。MCI是介于正常衰老和痴呆之间的一种中间状态,是一种认知障碍症候群,也有人将其看作是AD的早期阶段。医生针对MCI和AD会给出相应不同的治疗方案,而现在临床上较多使用观看患者的脑磁共振成像(MagneticResonanceImaging,MRI)来诊断患者所处的阶段。因此,开展阿尔兹海默症患者脑部MRI图像分析具有重要的实用价值。在深度学习领域,图像分割任务普遍基于日常图像。因为日常图像获取成本低,容易标注,要得到大量的带标记训练样本成本较低。而在关于医学图像的图像分割任务中,具有图像获取成本高、对于标注人员的专业素养要求高的问题,我们需要分析的是阿尔兹海默症患者的脑部MRI图像,阿尔兹海默症的病灶包含多个部位,该图像结构复杂,噪声过多,人工标注困难。因此 ...
【技术保护点】
1.基于半监督学习的病灶分割模型训练方法,其特征在于,包括步骤:/nS1:在深度学习框架中构建深度学习网络模型,获取所有脑部MRI图像训练样本,将无标签的脑部MRI图像划入无标签训练集,将已正确标注病灶区域标签的脑部MRI图像和相应的标签,划入有标签训练集;/nS2:对所有脑部MRI图像训练样本进行预处理;/nS3:将预处理后的脑部MRI图像训练样本输入到共享编码器中;/nS4:共享编码器对输入的数据进行多次下采样,然后将每一次下采样的结果进行多域注意力机制处理;并且将最后一次下采样的结果输入到主解码器,同时对所述无标签训练集最后一次下采样的结果做数据干扰处理;/nS5:将多域注意力机制处理输出的特征分别输入到主解码器和辅助解码器,将数据干扰处理结果输入到辅助解码器;/nS6:主解码器和辅助解码器分别对共享编码器输出结果和数据干扰处理结果进行多次上采样处理;/nS7:主解码器和辅助解码器完成上采样后得到的图像分割结果分别由输入到损失函数进行计算损失处理,并将计算损失的结果反向输入到共享编码器调参优化所述深度学习网络模型。/n
【技术特征摘要】
1.基于半监督学习的病灶分割模型训练方法,其特征在于,包括步骤:
S1:在深度学习框架中构建深度学习网络模型,获取所有脑部MRI图像训练样本,将无标签的脑部MRI图像划入无标签训练集,将已正确标注病灶区域标签的脑部MRI图像和相应的标签,划入有标签训练集;
S2:对所有脑部MRI图像训练样本进行预处理;
S3:将预处理后的脑部MRI图像训练样本输入到共享编码器中;
S4:共享编码器对输入的数据进行多次下采样,然后将每一次下采样的结果进行多域注意力机制处理;并且将最后一次下采样的结果输入到主解码器,同时对所述无标签训练集最后一次下采样的结果做数据干扰处理;
S5:将多域注意力机制处理输出的特征分别输入到主解码器和辅助解码器,将数据干扰处理结果输入到辅助解码器;
S6:主解码器和辅助解码器分别对共享编码器输出结果和数据干扰处理结果进行多次上采样处理;
S7:主解码器和辅助解码器完成上采样后得到的图像分割结果分别由输入到损失函数进行计算损失处理,并将计算损失的结果反向输入到共享编码器调参优化所述深度学习网络模型。
2.根据权利要求1所述的基于半监督学习的病灶分割模型训练方法,其特征在于,步骤S2所述预处理包括:图像格式转换、获取时间校正、头动校正、不同成像方法间的图像融合、图像配准以及空间平滑处理中的一种或几种。
3.根据权利要求1所述的基于半监督学习的病灶分割模型训练方法,其特征在于,步骤S4所述下采样的次数为四次。
4.根据权利要求1所述的基于半监督学习的病灶分割模型训练方法,其特征在于,步骤S4所述多域注意力机制处理包括空间注意力处理和通道注意力处理,所述共享编码器每一次下采样的结果分别进行所述空间注意力处理和通道注意力处理,然后将两种处理后得到的特征进行特征融合。
5.根据权利要求4所述的基于半监督学习的病灶分割模型训练方法,其特征在于,步骤S4所述特征融合是指将两个特征的像素值相加。
6.根据权利要求1所述的基于半监督学习的病灶分割模型训练方法,其特征在于,步骤S4所述数据干扰处理包括随机加入噪声和/或随机丢失一部分的空间特征。
7.根据权利要求1所述的基于半监督学习的病灶分割模型训练方法,其特征在于,步骤S6所述多次上采样包...
【专利技术属性】
技术研发人员:徐超,王卓薇,陈子洋,陈立宜,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东;44
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。