一种融合残差块的肺炎分割方法技术

本发明专利技术提出一种融合残差块的肺炎分割方法。构建由收缩路径(contracting path)和扩展路径(expanding path)组成的融合残差块的肺炎语义分割网络，可获得更多的病灶特征信息，更好的平衡编码器与解码器之间的鸿沟。本发明专利技术使用的残差块结构，针对不同的语义鸿沟设置不同长度的残差路径。更好的将编码器中的低层次特征与解码器中高层次特征相融合，缩小编码器

【技术实现步骤摘要】
一种融合残差块的肺炎分割方法


[0001]本专利技术涉及医学影像处理领域中的影像分割技术，具体涉及一种融合残差块的肺炎分割方法。

技术介绍

[0002]肺炎是临床医学中常见的疾病之一，其发病率极高且具有周期短、成因复杂的特点。 肺炎疫情席卷全球，对我们的工作和生活产生了深远的影响。疫情伊始，核酸检测被确立为 业内“金标准”。但它的敏感性依据接触的时间来预测，存在一定数量的假阴性。为避免这 一情况，专家提出采用CT影像检测与核酸检测，两种检测相互辅助的方式进行排查。为了 弥补一线年轻医生以及偏远地区医生经验不足的现状，提高诊断效率，从CT切片中准确的 分割出感染区域仍然是一个挑战。医学影像病变区域分割方法，可分为两类：传统医学图像 分割和深度学习医学图像分割。随着时代的发展，传统医学图像分割方法已经不能满足人民 对于时间和精度的要求。基于卷积神经网络的医学图像分割方法，在一定程度上，优于传统 分割效果，但仍存在一些问题。下采样的过程中，易出现丢失空间信息的情况，影响分割精 度。因此，致力于医学影像分割技术的研究，十分有意义。

技术实现思路

[0003]本专利技术目的是针对目前现有技术的不足，提供一种融合残差块的肺炎分割方法，以解决上述
技术介绍
中的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：获取医学图像及其标签并对其进行预处理，构建数据集；构建融合残差块的肺炎分割网络，并用上述数据训练集对网络进行训练；其中，融合残差块的肺炎网络由收缩路径（contracting path）和扩展路径（expanding path）组成。收缩路径用于获取上下文局部特征信息，如纹理特征。该路径是4次下采样的过程，每一个下采样过程包括2个卷积核尺寸为3*3的卷积层（使用LeakyReLU激活函数）、卷积核为2*2的最大池化操作。扩展路径用于精准定位，获取图像的高层次特征。该路径进行4次上采样，每一个上采样过程包括2个卷积核尺寸为3*3的卷积层（使用Leaky ReLU激活函数）、卷积核为2*2的反卷积。为了在增加少量模型内存的情况下，获得更多的病灶特征信息，更好的平衡编码器与解码器之间的鸿沟。本专利技术使用的残差块结构，由1个Conv 3
×
3和1个Conv 1
×
1，以残差的方式组合。每次卷积后进行标准化（Batch Normalization , BN）和Leaky ReLU激活函数处理。针对不同的语义鸿沟设置不同长度的残差路径。这样做可以更好的将编码器中的低层次特征与解码器中高层次特征相融合，缩小编码器
‑
解码器，二者在语义上的差距，并保证了二者在拼接前后保持深度一致。改进后，每一层的卷积核数量分别为64、128、256和512。该网络中，输出层使用Sigmoid激活函数，将输出响应的阈值控制在[0,1]范围内，得到掩膜图像。其他卷积层使用Leaky ReLU激活函数。
[0005]作为本专利技术进一步的方案：数据集中所有医学图像格式固定为512
×
512，将数据
集按8：2的比例划分为训练集和测试集。
[0006]作为本专利技术进一步的方案：根据编码器和解码器之间不同的语义鸿沟，设置不同长度的残差路径。Res Path4中设置4个残差块结构串联，Res Path3中设置3个残差块结构串联，Res Path2中设置2个残差块结构串联，Res Path1中设置1个残差块结构。
[0007]作为本专利技术进一步的方案：输出层使用Sigmoid激活函数，其他卷积层使用Leaky ReLU激活函数。
[0008]作为本专利技术进一步的方案：加入了Dice Loss损失函数从全局的角度逐像素拉进，进一步提分割性能。
[0009]作为本专利技术进一步的方案：所述卷积核数量分别为64、128、256和512。
[0010]本专利技术的分割方法与U
‑
Net原始网络相比，准确率（Accuracy）提升了0.2%，平均交并比（Mean Intersection over Union，MIoU）提升了6.53%。实验数据表明，该专利技术中的分割结构，较为稳定，与现有结构相比，具有一定参考价值。
[0011]附图说明：图1是本专利技术的融合残差块的肺炎分割网络结构图图2是本专利技术的残差块结构图具体实施步骤：下面结合附图对本专利技术做进一步详细说明。
[0012]图1是本专利技术的融合残差块的肺炎分割网络结构图。本专利技术中的网络结构由收缩路径（contracting path）和扩展路径（expanding path）组成。收缩路径由4次下采样组成，每一个下采样过程包括2个卷积核尺寸为3*3的卷积层（使用Leaky ReLU激活函数）、卷积核为2*2的最大池化操作。扩展路径由4次上采样组成，每一个上采样过程包括2个卷积核尺寸为3*3的卷积层（使用Leaky ReLU激活函数）、卷积核为2*2的反卷积。针对不同的语义鸿沟设置不同长度的残差路径，在上采样前，使用4种不同长度的残差路径将编码器的特征送至解码器。Res Path4中设置4个残差块结构串联，Res Path3中设置3个残差块结构串联，Res Path2中设置2个残差块结构串联，Res Path1中设置1个残差块结构。每一层的卷积核数量分别为64、128、256和512。该网络中，输出层使用Sigmoid激活函数，将输出响应的阈值控制在[0,1]范围内，得到掩膜图像。其他卷积层使用Leaky ReLU激活函数。其中，Leaky ReLU为ReLU的变体，可表示为式（1）中，参数α=0.2。可以发现，当x≥0时，激活函数的输出为x；当x<0时，激活函数的输出为αx，有效避免了神经元未激活现象。
[0013]图2是本专利技术的残差块结构图。本专利技术使用的残差块结构，由1个Conv 3
×
3和1个Conv 1
×
1，以残差的方式组合。每次卷积后进行标准化（Batch Normalization , BN）和Leaky ReLU激活函数处理。Add 操作叠加特征层之间的空间区域信息，从而获得更多的病灶特征信息。
[0014]以上所述，仅为本专利技术专利较佳的具体实施方式，但本专利技术专利的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术专利揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术专利的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明提出一种融合残差块的肺炎分割方法，整体结构设计由收缩路径（contracting path）和扩展路径（expanding path）组成，整体结构设计，具有特征信息多、准确率高等特点。2.根据权利要求1所述的融合残差块的肺炎分割方法，其特征在于所述的分割结构，下采样过程包括2个卷积核尺寸为3*3的卷积层（使用Leaky Relu激活函数）、卷积核为2*2的最大池化操作，上采样部分包含2个卷积核尺寸为3*3的卷积层（使用Leaky Relu激活函数）、卷积核为2*2的反卷积，每层的卷积核数量分别为64、128、256和512，加入了Dice Loss损失函数从全局的角度逐像素拉...

【专利技术属性】
技术研发人员：黄新，林洁沁，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：