肝部区域血管分割的方法及设备技术

本发明专利技术实施例提供一种肝部区域血管分割方法及设备，属于数字化医疗技术领域。该方法包括：构建肝部区域血管的分割网络；将肝部图像转化为肝部血管重建分割图；利用肝部区域血管的分割网络，在肝部血管分割公共数据集上进行训练，得到训练完毕的肝部血管分割网络；以及将肝部血管重建分割图输出为肝部区域血管分割图像。本申请将自动提取CT影像中肝部区域多尺度局部特征以及全局特征并使用多任务一致性输出分支建模血管特征转换关系，从而实现肝部血管分割；使用的组合的类别平衡损失函数，针对多任务以及血管数据的特点，缓解了网络的极端类别不平衡问题。络的极端类别不平衡问题。络的极端类别不平衡问题。

【技术实现步骤摘要】
肝部区域血管分割的方法及设备


[0001]本专利技术涉及数字化医疗
，具体地涉及一种肝部区域血管分割的方法及设备。

技术介绍

[0002]在现代外科手术中，医生通常需要在手术前预先采集患者肝部医学图像并对患者病变部位进行分析，进行术前手术设计，手术过程中分割识别患者血管区域，利用分割出的血管进行定位或者避免对其造成损伤，其中，血管分割是肝脏手术导航中至关重要的一环。从CT等医学图像中提取血管在可视化、手术导航和手术计划中起着重要作用。但是，一些难点阻碍着该领域的发展：首先，血管可以被视为长的、扭曲的、甚至是具有各种半径的管状结构，这导致血管的拓扑结构非常复杂；其次，血管区域和背景软组织区域的像素强度非常相似，没有明显的差别，这导致血管区域和背景难以区分；最后一点，复杂的形态、低对比度的像素强度和昂贵的分割标注成本导致了血管已有标注数据的稀缺。同时，即使在标注数据集中，属于血管的有效体素也只占极小一部分，因此，对血管区域精确地进行分割仍然是一个具有挑战性的问题。
[0003]基于传统方式的医学图像分割方法包括：阈值分割、基于区域生长的分割、基于主动轮廓或者水平集的分割方法等等。然而这些方法各自具备一些缺点，往往只能分割一些简单部位，并需要医生参与交互，如需要医生勾勒出初始轮廓，这限制了传统分割方法在一些复杂的医学图像分割问题中的应用。然而利用基于深度学习的肝部血管分割方法也大致存在两个问题：首先，大部分现有的血管分割方法都基于全卷积网络，基于全卷积网络的方法难以捕捉全局特征，从而难以应对血管纤细复杂的形状；其次，基于正交深度自注意力网络的方法，由于其巨大的参数，在少样本数据集上，容易形成过拟合现象。此外，血管中轴和血管半径是血管重要的特征，现有方法多在后处理阶段进行探索，或者简单的利用多任务机制，而忽略了三个任务之间的联系。

技术实现思路

[0004]为克服现存的肝部区域血管分割存在的问题，本专利技术专利提出了一种肝部区域血管分割的方法及设备，采用基于正交卷积的U形三维深度自注意力网络，来同时捕捉多尺度局部特征和全局特征，并采用组合类别平衡函数同时减轻类别极度不平衡的问题，并利用多任务一致性分支探索了分割图、血管中轴和血管半径之间的相互转换的关系。基于本专利技术方法的装置操作简便，成本更低，分割结果更准确，更节约时间且不会给患者带来额外创伤。
[0005]为了实现上述目的，本专利技术实施例提供一种肝部区域血管分割的方法，包括以下步骤：构建肝部区域血管的分割网络，所述肝部区域血管的分割网络具有n层编码器
‑
解码器结构的正交移动窗口的深度自注意力网络和多任务一致性输出分支网络；将肝部图像转化为肝部血管重建分割图；利用所述肝部区域血管的分割网络，在肝部血管分割公共数据
集上进行训练，得到训练完毕的肝部血管分割网络；以及根据预测结果和真实标注，利用类别平衡损失函数计算损失，将所述肝部血管重建分割图输出为肝部区域血管分割图像。
[0006]可选地，构建肝部区域血管的分割网络，步骤包括：构建包含n层编码器
‑
解码器结构的正交移动窗口的深度自注意力网络作为骨干网络，所述骨干网络由对称的编码器和解码器构成，并具有卷积和深度自注意力的交替运算；所述编码器的第一层是嵌入层，将所述肝部图像进行编码，随后的卷积层将输入的特征下采样为第一阈值尺寸，且所述编码器将所述随后的卷积层输出特征传递给所述解码器对应层，其中所述编码器利用深度自注意力运算以计算所述输出特征间的联系，捕获全局特征；以及所述解码器的最后一层为特征扩展层，将所述输入的特征恢复到指定维度，所述解码器的卷积层接受上一层的输出及所述编码器对应层的输入，并上采样为高维特征或第二阈值尺寸。
[0007]可选地，构建肝部区域血管的分割网络，步骤包括：所述多任务一致性输出分支网络接收所述骨干网络输出的所述高维特征或第二阈值尺寸，获得血管半径和血管直接分割图；对所述血管直接分割图进行软骨架化，获得血管中轴；利用所述血管中轴和所述血管半径，利用三个正交平面上的正交卷积替代所述骨干网络和所述多任务一致性输出分支网络中的三维卷积进行计算，获得肝部血管重建分割图。
[0008]可选地，三个正交平面包括：横断面、矢状面和冠状面。
[0009]可选地，利用所述肝部区域血管的分割网络，在肝部血管分割公共数据集上进行训练，得到训练完毕的肝部血管分割网络，包括：获取所述肝部血管分割公共数据集，其中，所述肝部血管分割公共数据集中包括CT模态下的肝部数据以及对应的血管动脉和静脉标注；对所述肝部血管分割公共数据集中肝部影像进行操作，以增广肝部血管数据，得到扩增后的肝部血管分割公共数据集；将所述扩增后的肝部血管分割公共数据集按照第一比例随机分割，分别获得肝部血管分割训练集和肝部血管分割测试集；以及利用所述肝部血管分割训练集对所述构建肝部区域血管的分割网络进行训练，得到训练完毕的肝部区域血管的分割网络。
[0010]可选地，肝部影像进行操作包括明暗度调整、旋转和水平翻转180度。
[0011]可选地，第一比例可选4比1。
[0012]可选地，利用所述肝部血管分割训练集对所述构建肝部区域血管的分割网络进行训练，得到训练完毕的肝部区域血管的分割网络，包括：采样得到长、宽和深度均为64体素的2个训练数据块，并对所述训练数据块加入微小高斯随机噪声，并输入所述构建肝部区域血管的分割网络，该网络最后输出所述肝部区域血管分割图像，其中所述体素的每个值范围为0到1，表示每个体素属于血管的概率。
[0013]可选地，根据预测结果和真实标注，利用类别平衡损失函数计算损失，包括利用如下公式计算：括利用如下公式计算：括利用如下公式计算：
其中，是类别平衡的直接血管分割损失，用来控制惩罚力度，是类别平衡的交叉熵损失函数，是直接血管分割网络对输入的输出，是类别平衡的骰子损失函数；是类别平衡的血管中轴损失函数，是血管中轴和直接血管分割符合的信息通路；是类别平衡的血管半径损失函数；是血管重建损失函数，是类别平衡的均方误差损失函数；是组合类别平衡损失函数，是参数，是标注真实值、是中轴真实值、为第一比例系数、为第二比例系数、为第三比例系数；使用类别平衡损失函数计算损失，并使用随机梯度下降更新所述网络参数，其初始学习率为10
‑5，学习率按照以下方式变化：其中，代表初始学习率，代表当前训练步数，代表最大训练步数。
[0014]可选地，公共数据集为3DIRCADb。
[0015]根据上述肝部区域血管分割的方法，其有益技术效果为：1、将自动提取CT影像中肝部区域多尺度局部特征以及全局特征并使用多任务一致性输出分支建模血管特征转换关系，从而实现肝部血管分割；2、使用的多任务一致性算法，相比现有方法，可以编码血管分割、血管半径和血管中轴之间的关系并提升网络精度；3、正交深度自注意力网络提取输入医学图像底层特征，相比现有方法可以同时提取全局特征和局部特征；4、使用的正交卷积近似三维卷积，相比现有方法可以减少网络参数并预防过拟合风险；5、使用的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肝部区域血管分割方法，其特征在于，所述方法包括：构建肝部区域血管的分割网络，所述肝部区域血管的分割网络具有n层编码器
‑
解码器结构的正交移动窗口的深度自注意力网络和多任务一致性输出分支网络；将肝部图像转化为肝部血管重建分割图；利用所述肝部区域血管的分割网络，在肝部血管分割公共数据集上进行训练，得到训练完毕的肝部血管分割网络；以及根据预测结果和真实标注，利用类别平衡损失函数计算损失，将所述肝部血管重建分割图输出为肝部区域血管分割图像。2.根据权利要求1所述的方法，其特征在于，所述构建肝部区域血管的分割网络，步骤包括：构建包含n层编码器
‑
解码器结构的正交移动窗口的深度自注意力网络作为骨干网络，所述骨干网络由对称的编码器和解码器构成，并具有卷积和深度自注意力的交替运算；所述编码器的第一层是嵌入层，将所述肝部图像进行编码，随后的卷积层将输入的特征下采样为第一阈值尺寸，且所述编码器将所述随后的卷积层输出特征传递给所述解码器对应层，其中所述编码器利用深度自注意力运算以计算所述输出特征间的联系，捕获全局特征；以及所述解码器的最后一层为特征扩展层，将所述输入的特征恢复到指定维度，所述解码器的卷积层接受上一层的输出及所述编码器对应层的输入，并上采样为高维特征或第二阈值尺寸。3.根据权利要求2所述的方法，其特征在于，所述构建肝部区域血管的分割网络，包括：所述多任务一致性输出分支网络接收所述骨干网络输出的所述高维特征或第二阈值尺寸，获得血管半径和血管直接分割图；对所述血管直接分割图进行软骨架化，获得血管中轴；利用所述血管中轴和所述血管半径，利用三个正交平面上的正交卷积替代所述骨干网络和所述多任务一致性输出分支网络中的三维卷积进行计算，获得肝部血管重建分割图。4.根据权利要求3所述的方法，其特征在于，所述三个正交平面包括：横断面、矢状面和冠状面。5.根据权利要求1所述的方法，其特征在于，利用所述肝部区域血管的分割网络，在肝部血管分割公共数据集上进行训练，得到训练完毕的肝部血管分割网络，包括：获取所述肝部血管分割公共数据集，其中，所述肝部血管分割公共数据集中包括CT模态下的肝部数据以及对应的血管动脉和静脉标注；对所述肝部血管分割公共数据集中肝部影像进行操作，以增广肝部血管数据，得到扩增后的肝部血管分割公共数据集；将所述扩增后的肝部血管分割公共数据集按照第一比例随机分割，分别获得肝部血管分割训练集...

【专利技术属性】
技术研发人员：张昊任，史纪鹏，沈亚奇，陈向前，
申请(专利权)人：真健康北京医疗科技有限公司，
类型：发明
国别省市：