一种基于上下文信息融合的三维医疗图像分割方法技术

本发明专利技术公开一种基于上下文信息融合的三维医疗图像分割方法，本发明专利技术中三维医疗图像网络主要采用基于子块的方式进行训练阶段和预测阶段，通过三维医疗图像网络并行的空洞卷积分支和自注意力分支提取包含上下文信息的特征，融合后生成预测分割结果。再将得到的预测分割结果利用高斯加权融合相邻预测子块的分割结果，缓解了子块边界预测不准的问题，进一步提高了分割精度。此外，三维医疗图像网络训练时通过样本均衡采样策略采样训练子块，避免了数据中可能存在的类别不平衡问题，提升了前景类别的分割精度。本发明专利技术方法可以有效提高三维图像分割算法的准确率，可适用于各种器官的三维医疗图像分割任务，具有很好的普适性和通用性。用性。用性。

【技术实现步骤摘要】
一种基于上下文信息融合的三维医疗图像分割方法


[0001]本专利技术属于医疗图像分割
，特别涉及一种基于上下文信息融合的三维医疗图像分割方法。

技术介绍

[0002]三维医疗图像数据通常使用体素表示，正如现在常见的CT影像。体素是一种规格化的表示方法，概念上类似于二维空间中的最小单位——像素，可以看作数据在三维空间分区中的最小单位。语义分割在生物医学图像分析中有着广泛的应用，如X射线、MRI扫描、数字病理及内窥镜等。因而语义分割是医疗影像分析中一个很重要的任务，通过从三维医疗图像中快速自动分割器官，进而确定器官的空间几何形状和体积，可以帮助医生制定出准确的医疗方案。因此，基于三维医疗图像的器官分割具有重要的研究意义和临床价值。
[0003]根据网络输入数据维度的不同，三维医疗图像分割主要有两类方法。第一类方法是将数据按2D切片划分，以单张切片或相邻的多张切片作为输入，这样就可以采用二维分割网络进行分割，最后将分割结果按切片汇总成三维形式。第二类方法是直接将三维数据作为输入，采用3D CNN进行处理，3D CNN指的是将常见的2D 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于上下文信息融合的三维医疗图像分割方法，其特征在于，三维医疗图像分割预测包括如下步骤：步骤1，对获取到的三维医疗图像数据进行预处理，得到经过数据重采样和数据标准化后的优化三维医疗图像数据；步骤2，在所述优化三维图像数据的不同位置上进行随机裁切得到多个训练子块；步骤3，以所述训练子块大小的一半为步长，采用滑动窗口策略从所述优化三维图像数据中裁切与所述训练子块大小相同的预测子块；步骤4，将所述预测子块输入至训练后的基于上下文信息融合的三维医疗图像分割网络，通过前向计算方法得出各个所述预测子块的预测分割结果；步骤5，使用高斯加权策略融合相邻所述预测子块的预测分割结果，得到最终预测的三维医疗图像分割结果。2.根据权利要求1所述的一种基于上下文信息融合的三维医疗图像分割方法，其特征在于，步骤1中所述数据重采样的具体操作为：采用所述三维医疗图像数据的数据集间距中值作为目标间距，并对其图像数据和标签数据分布采用三阶Spline插值和最近邻插值进行数据重采样。3.根据权利要求2所述的一种基于上下文信息融合的三维医疗图像分割方法，其特征在于，步骤1中所述数据标准化的具体操作为：计算所述三维医疗图像数据中所有前景类的体素强度的平均值和标准差，以及它们的0.5和99.5个百分位，然后将所有图像剪切到0.5和99.5个百分位，最后减去平均值并除以标准差。4.根据权利要求1所述的一种基于上下文信息融合的三维医疗图像分割方法，其特征在于，步骤4中所述三维医疗图像分割网络的训练步骤具体为：步骤4.1，利用样本均衡采样策略针对所述训练子块进行采样，并将采样到的所述训练子块与其对应的分割标注作为训练样本；步骤4.2，定义基于上下文信息融合的三维医疗图像分割网络，将所述训练样本输入至所述三维医疗图像分割网络中通...

【专利技术属性】
技术研发人员：李武军，许丽军，
申请(专利权)人：南京大学，
类型：发明
国别省市：