基于分类分支的CT图像细小裂缝分割装置和方法制造方法及图纸

本发明专利技术公开了一种基于分类分支的CT图像细小裂缝分割装置和方法，该装置包括3D CS_UNet网络；3D CS_UNet网络具有：分割分支，其用于对输入的CT图像进行分割，获得CT图像的裂缝；分类分支，其用于提取分割分支下采样得到的特征图的特征，并判断CT图像中是否含有裂缝，并输出判断结果。本发明专利技术能够直接对输入CT图像进行三维卷积和池化操作，有效地利用了图像的空间信息，具有较好的分割性能。具有较好的分割性能。具有较好的分割性能。

【技术实现步骤摘要】
基于分类分支的CT图像细小裂缝分割装置和方法


[0001]本专利技术涉及CT图像分割
，特别是关于一种基于分类分支的CT图像细小裂缝分割装置及方法。

技术介绍

[0002]CT(computedtomography，计算机断层扫描)技术通过对工业工件内部进行扫描，可以清晰地获得工件的内部结构图像，被广泛应用在工业无损检测领域。工件在制造过程中由于其自身生产工艺的特点，常常会产生裂缝。这些细微裂缝会严重影响工件的使用性能和安全性，通常需要对裂缝进行测量和量化分析，因此对三维CT图像裂缝进行分割提取具有重要意义。然而，工业工件的细微裂缝往往与背景对比度低，而且裂缝区域与背景区域极度不平衡，这些特性使得对CT图像的裂缝分割成为一项颇具挑战的任务。

技术实现思路

[0003]本专利技术的目的在于提供一种基于分类分支的CT图像细小裂缝分割方法来克服或至少减轻现有技术的上述缺陷中的至少一个。
[0004]为实现上述目的，本专利技术提供一种基于分类分支的CT图像细小裂缝分割装置，该装置包括3D CS_UNet网络；
[0005]所述3D CS_UNet网络具有：
[0006]分割分支，其用于对输入的CT图像进行分割，获得CT图像的裂缝，并输出；
[0007]分类分支，其用于提取所述分割分支下采样得到的特征图的特征，并判断CT图像中是否含有裂缝，并输出判断结果。
[0008]进一步地，所述分割分支包括：
[0009]编码器，其用于对所述CT图像进行预设卷积核尺寸的卷积操作、批归一化和ReLu激活函数以及下采样处理，获得所述特征图；
[0010]解码器，其用于对所述特征图进行预设卷积核尺寸的反卷积操作、批归一化和ReLu激活函数以及上采样处理，获得与所述CT图像图像尺寸相同的特征图；
[0011]分割分支模块，其用于接收所述第一特征图以及所述第六特征图，并进行分割处理，获得CT图像的裂缝，并输出。
[0012]进一步地，所述编码器包括：
[0013]卷积层，其用于对输入的CT图像进行卷积处理，获得第一特征图，并输出给所述分割分支模块；
[0014]第一个下采样层，其用于接收所述第一特征图，并进行卷积处理，获得第二特征图，并输出；
[0015]第二个下采样层，其用于接收所述第二特征图，并进行卷积处理，获得第三特征图，并输出；
[0016]第三个下采样层，其用于接收所述第三特征图，并进行卷积处理，获得第四特征
图，并输出；
[0017]第一SE模块，其输入端连接所述第二个下采样层的输出端，所述第一SE模块用于对所述第三特征图进行SE操作，并赋予所述第三特征图的各特征通道不同的权重，并输出给所述解码器；
[0018]第二SE模块，其输入端连接所述第一个下采样层的输出端，所述第二SE模块用于对所述第二特征图进行SE操作，并赋予所述第二特征图的各特征通道不同的权重，并输出给所述解码器；
[0019]所述分类分支包括：
[0020]分类分支模块，其输入端连接所述第三个下采样层的输出端，用于接收所述第四特征图，并判断CT图像中是否含有裂缝，并输出判断结果。
[0021]进一步地，所述分类分支模块具有依次以串联的方式连接在所述第三个下采样层的输出端的两个卷积层、全局池化层、两个全连接层和Softmax函数，经由最大池化操作的所述第四特征图经由所述卷积层特征提取后，再通过所述全局池化层进行全局池化操作，将提取的特征图变成全局特征向量，然后通过所述两个全连接层进行分类操作，最后通过Softmax函数输出所述判断结果。
[0022]进一步地，SE操作的具体方法包括：
[0023]输入高、宽和通道数分别为H、W和C的特征图X，通过全局平均池化生成一个1
×1×
C大小的通道描述符后，先经过一个全连接层把通道数由C缩小为C/r，使用ReLU函数激活；然后再经过一个全连接层将通道数由C/r还原为C，使用Sigmoid函数激活；最后将生成的1
×1×
C大小的特征向量和输入的H
×
W
×
C的特征图X逐通道相乘，得到各特征通道赋有不同的权重的特征图；其中，1x1xC中的C为各特征通道对应的权重值。
[0024]进一步地，所述解码器包括：
[0025]第一个上采样层，其输入端连接第一SE模块的输出端、以及所述第三个下采样层的输出端，所述第一个上采样层用于接收经由所述第一SE模块SE操作后的所述第三特征图以及所述第四特征图，将二者进行深层信息与浅层信息融合，获得第五特征图，并输出；
[0026]第二个上采样层，其输入端连接第二SE模块的输出端、以及所述第一个上采样层的输出端，所述第二个上采样层用于接收经由所述第二SE模块SE操作后的所述第二特征图以及所述第五特征图，将二者进行深层信息与浅层信息融合，获得第六特征图，并输出给所述分割分支模块。
[0027]本专利技术还提供一种基于分类分支的CT图像细小裂缝分割方法，该方法包括：
[0028]构建3D CS_UNet网络，其具有分割分支和分类分支；
[0029]通过分割分支对输入的CT图像进行分割，获得CT图像的裂缝，并输出；
[0030]通过分类分支提取所述分割分支下采样得到的特征图的特征，并判断CT图像中是否含有裂缝，并输出判断结果；
[0031]其中，所述分割分支包括编码器、解码器和分割分支模块：
[0032]通过编码器对所述CT图像进行预设卷积核尺寸的卷积操作、批归一化和ReLu激活函数以及下采样处理，获得所述特征图；
[0033]通过解码器对所述特征图进行预设卷积核尺寸的反卷积操作、批归一化和ReLu激活函数以及上采样处理，获得与所述CT图像图像尺寸相同的特征图；
[0034]通过分割分支模块接收所述第一特征图以及所述第六特征图，并进行分割处理，获得CT图像的裂缝，并输出。
[0035]进一步地，所述分类分支模块具有依次以串联的方式连接在所述第三个下采样层的输出端的两个卷积层、全局池化层、两个全连接层和Softmax函数，经由最大池化操作的所述第四特征图经由所述卷积层特征提取后，再通过所述全局池化层进行全局池化操作，将提取的特征图变成全局特征向量，然后通过所述两个全连接层进行分类操作，最后通过Softmax函数输出所述判断结果。
[0036]进一步地，所述编码器包括卷积层、第一个下采样层、第二个下采样层、第三个下采样层、第一SE模块和第二SE模块；
[0037]通过卷积层对输入的CT图像进行卷积处理，获得第一特征图，并输出给所述分割分支模块；
[0038]通过第一个下采样层接收所述第一特征图，并进行卷积处理，获得第二特征图，并输出；
[0039]通过第二个下采样层接收所述第二特征图，并进行卷积处理，获得第三特征图，并输出；
[0040]通过第三个下采样层接收所述第三特征图，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分类分支的CT图像细小裂缝分割装置，其特征在于，包括3DCS_UNet网络；所述3D CS_UNet网络具有：分割分支，其用于对输入的CT图像(P)进行分割，获得CT图像(P)的裂缝(P
’
)，并输出；分类分支，其用于提取所述分割分支下采样得到的特征图的特征，并判断CT图像(P)中是否含有裂缝，并输出判断结果。2.如权利要求1所述的基于分类分支的CT图像细小裂缝分割装置，其特征在于，所述分割分支包括：编码器，其用于对所述CT图像(P)进行预设卷积核尺寸的卷积操作、批归一化和ReLu激活函数以及下采样处理，获得所述特征图；解码器，其用于对所述特征图进行预设卷积核尺寸的反卷积操作、批归一化和ReLu激活函数以及上采样处理，获得与所述CT图像(P)图像尺寸相同的特征图；分割分支模块(9)，其用于接收所述第一特征图以及所述第六特征图，并进行分割处理，获得CT图像(P)的裂缝(P
’
)，并输出。3.如权利要求2所述的基于分类分支的CT图像细小裂缝分割装置，其特征在于，所述编码器包括：卷积层(1)，其用于对输入的CT图像(P)进行卷积处理，获得第一特征图，并输出给所述分割分支模块(9)；第一个下采样层(2)，其用于接收所述第一特征图，并进行卷积处理，获得第二特征图，并输出；第二个下采样层(3)，其用于接收所述第二特征图，并进行卷积处理，获得第三特征图，并输出；第三个下采样层(4)，其用于接收所述第三特征图，并进行卷积处理，获得第四特征图，并输出；第一SE模块(6)，其输入端连接所述第二个下采样层(3)的输出端，所述第一SE模块(6)用于对所述第三特征图进行SE操作，并赋予所述第三特征图的各特征通道不同的权重，并输出给所述解码器；第二SE模块(8)，其输入端连接所述第一个下采样层(2)的输出端，所述第二SE模块(8)用于对所述第二特征图进行SE操作，并赋予所述第二特征图的各特征通道不同的权重，并输出给所述解码器；所述分类分支包括：分类分支模块(10)，其输入端连接所述第三个下采样层(4)的输出端，用于接收所述第四特征图，并判断CT图像(P)中是否含有裂缝，并输出判断结果。4.如权利要求3所述基于分类分支的CT图像细小裂缝分割装置，其特征在于，所述分类分支模块(10)具有依次以串联的方式连接在所述第三个下采样层(4)的输出端的两个卷积层(101)、全局池化层(102)、两个全连接层(103)和Softmax函数(104)，经由最大池化操作的所述第四特征图经由所述卷积层(101)特征提取后，再通过所述全局池化层(102)进行全局池化操作，将提取的特征图变成全局特征向量，然后通过所述两个全连接层(103)进行分类操作，最后通过Softmax函数(104)输出所述判断结果。5.如权利要求3所述基于分类分支的CT图像细小裂缝分割装置，其特征在于，SE操作的
具体方法包括：输入高、宽和通道数分别为H、W和C的特征图X，通过全局平均池化生成一个1
×1×
C大小的通道描述符后，先经过一个全连接层把通道数由C缩小为C/r，使用ReLU函数激活；然后再经过一个全连接层将通道数由C/r还原为C，使用Sigmoid函数激活；最后将生成的1
×1×
C大小的特征向量和输入的H
×
W
×
C的特征图X逐通道相乘，得到各特征通道赋有不同的权重的特征图；其中，1x1xC中的C为各特征通道对应的权重值。6.如权利要求2或3或4或5所述的基于分类分支的CT图像细小裂缝分割装置，其特征在于，所述解码器包括：第一个上采样层(5)，其输入端连接第一SE模块(6)的输出端、以及所述第三个下采样层(4)的输出端，所述第一个上采样层(5)用于接收经由所述第一SE模块(6)SE操作后的所述第三特征图以及所述第四特征图，将二者进行深层信息与浅层信息融合，获得第五特征图，并输出；第二个上采样层(7)，其输入端连接第二SE模块(...

【专利技术属性】
技术研发人员：朱溢佞，张慧滔，赵星，李文斌，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：