基于生成对抗网络的胃病变分割方法及系统技术方案

本发明专利技术公开了一种基于生成对抗网络的胃病变分割方法及系统，方法包括：将胃镜病变图片样本输入至分割网络，得出病变区域的分割预测图像；其中，分割网络基于U

【技术实现步骤摘要】
基于生成对抗网络的胃病变分割方法及系统


[0001]本专利技术涉及图像分割
，尤其涉及一种基于生成对抗网络的胃病变分割方法以及一种基于生成对抗网络的胃病变分割系统。

技术介绍

[0002]胃癌是一种严重的致命恶性肿瘤，全球癌症发病率最高的前五位与全球死亡率最高的前五位均有胃癌。目前，常用的胃癌检查方式是胃镜拍摄，医生通过胃镜图片能够直接观察胃的内部情况，从而对早期胃癌进行判断。然而人工标注病变区域是一项费时费力的工作，利用计算机辅助诊断技术来分割胃部病变成为一种有效方式。对胃镜图片中的纹理和颜色等特征进行提取，是病变位置识别和癌变程度识别的一种重要手段，这些方法无法对图像中的高级语义建模，没有自学习能力和自调整能力，特征内容也是固定的，在一定程度上限制了这些特征对早期胃癌病变的鉴别。另外一些研究者通过机器学习方式从大量数据中来发掘出信息来识别胃部病变，虽对实验设备的需求较低、实验耗时较少，但实验检测准确率低、鲁棒性和实用性较差。近年来，深度学习在医学图像处理领域发展迅速，以卷积神经网络为代表的新一代方法在医学图像分割领域吸引了广泛的研究和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的胃病变分割方法，其特征在于，包括：将胃镜病变图片样本输入至分割网络，得出病变区域的分割预测图像；其中，所述分割网络基于U
‑
Net包括编码器、扩张卷积模块和解码器，所述编码器包括对图像进行下采样的卷积单元，所述扩张卷积模块包括相串联的扩张率不同的扩张卷积，所述扩张卷积模块用于扩大所述编码器下采样后的图像的感受野，所述解码器包括对图片进行上采样以恢复输入图像尺寸的卷积单元，所述编码器和所述解码器的每个卷积单元中加入残差连接操作；以所述胃镜病变图片样本与所述分割预测图像拼接形成的四通道张量以及所述胃镜图片与人工标注图片拼接形成的四通道张量作为判别网络的两组输入，以对两组输入分别为所述分割预测图像还是所述人工标注图片的真假判断作为输出，以博弈方式交替对所述分割网络和所述判别网络进行生成对抗网络训练至平衡状态；将所要进行病变分割的胃镜图片输入完成生成对抗网络训练的分割网络，得到胃病变分割图像。2.根据权利要求1所述的基于生成对抗网络的胃病变分割方法，其特征在于，所述编码器包括5组卷积单元，前4组卷积单元包括两组卷积层、批处理归一化层、ReLU激活函数和最大池化层，最后一组卷积单元包括两组卷积、批处理归一化和ReLU激活函数；所述解码器包括4组卷积单元，前3组卷积单元包括上采样以及两组卷积层、批处理归一化层和ReLU激活函数，最后一组卷积单元包括上采样以及两组1
×
1卷积层、批处理归一化层和sigmoid激活函数；每组卷积单元中加入残差连接操作使梯度由一端直接传递至另一端；所述扩张卷积模块包括4组扩张卷积，该4组扩张卷积的扩张率为互质数，每组扩张卷积包括卷积层和归一化层。3.根据权利要求1或2所述的基于生成对抗网络的胃病变分割方法，其特征在于，所述判别网络包括5组卷积单元，每组卷积单元包括两个卷积组，每个卷积组包含一个卷积层、一个批处理归一化层、一个ReLU激活函数以及一个最大池化层，且5组卷积单元后设置全局平均池化。4.根据权利要求3所述的基于生成对抗网络的胃病变分割方法，其特征在于，所述生成对抗网络训练过程中，对抗损失函数为：L
adv
(G，D)＝E
Xr，Xs～pdata(Xr，Xs)
[log D(Xr，Xs)]+E
Xr～pdata(Xr)
[log(1
‑
D(Xr，G(Xr)))]其中，X
r
表示胃镜图片，X
s
表示人工标注图片，G(X
r
)表示分割网络的分割结果映射，D(Xr，Xs)表示判别网络的输出结果，E[*]表示分布函数期望值，pdata(*)表示真实样本的分布；对抗目标函数为G
*
＝min
G
max
D
L
adv
(G，D)，其中，min
G
max
D
表示使分割网络最小化、判别网络最大化；所述分割网络的损失函数为所述分割网络的损失函数为所述生成对抗网络训练的损失函数为L
total
＝G
*
+γL
seg
(G)，其中，γ为权重系数。5.根据权利要求4所述的基于生成对抗网络的胃病变分割方法，其特征在于，所述生成对抗网络训练过程中，对所述判别网络和分割网络进行交替迭代训练过程中，在训练判别
网络过程中，固定所述分割网络的参数，使D(Xr，Xs)最大化、使D(Xr，G(Xr))最小化，以更新所述判别网络的参数；在训练所述分割网络过程中，固定所述判别网络的参数，使D(Xr，G(Xr))最大化，以更新所述分割网络的参数。6.一种基于生成对抗网络的胃病变分割系统，其特征在于，应用如权利要求1至5中任一项所述的基于生成对抗网络的胃...

【专利技术属性】
技术研发人员：何东之，孙亚茹，张震，王鹏飞，郭隆杭，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：