一种基于数据增强的肝脏CT术后肿瘤分割方法及装置制造方法及图纸

本发明专利技术公开了一种基于数据增强的肝脏CT术后肿瘤分割方法及装置，所述方法包括：构建SPADE生成对抗网络模型；其中所述SPADE生成对抗网络模型包括生成器和判别器；对所述SPADE生成对抗网络模型进行训练，得到训练完成的SPADE生成对抗网络模型；获取2D常规肝脏肿瘤的轮廓掩模，并将所述轮廓掩模输入到所述训练完成的SPADE生成对抗网络模型中的所述生成器，得到生成的2D术后肝脏肿瘤图像；根据所述生成的2D术后肝脏肿瘤图像，得到3D术后肝脏肿瘤数据集。本发明专利技术可从各种形态的常规肿瘤中提取轮廓掩模，生成得到生成的2D术后肝脏肿瘤图像，从而扩充了数据量稀少的术后肿瘤的样本个数。数。数。

【技术实现步骤摘要】
一种基于数据增强的肝脏CT术后肿瘤分割方法及装置


[0001]本专利技术涉及医学图像分析领域，具体涉及一种基于数据增强的肝脏CT术后肿瘤分割方法及装置。

技术介绍

[0002]随着医学成像技术和计算机技术的不断发展和进步，医学图像分析已成为医学研究、临床疾病筛查中一个不可或缺的工具和技术手段，许多患者因医学影像分析和筛查技术，在疾病早期就获得了帮助。然而，由于专业影像科医生的匮乏，医学影像分析技术的局限，加之基层医疗卫生条件仍不够完善，仍有大量患者无法受益于医学影像筛查技术，而错过了疾病筛查的黄金时间。
[0003]现有医学影像分析技术主要可以分为：削减正常样本的数量进行样本平衡和对困难样例进行补充标注。其中，削减正常样本的数量会导致整个任务更加难以训练，如肝脏肿瘤分割的数据集的标注就较为稀少，无法再进一步削减数据。对困难样例进行补充标注，如加强对术后再生肿瘤的标注，这种方法标注效率低，既难以找到充足数量的术后肿瘤，也难以对全部样本进行标注。
[0004]因此，现有技术还有待于改进和发展。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据增强的肝脏CT术后肿瘤分割方法，其特征在于，所述方法包括：构建SPADE生成对抗网络模型；其中所述SPADE生成对抗网络模型包括生成器和判别器；对所述SPADE生成对抗网络模型进行训练，得到训练完成的SPADE生成对抗网络模型；获取2D常规肝脏肿瘤的轮廓掩模，并将所述轮廓掩模输入到所述训练完成的SPADE生成对抗网络模型中的所述生成器，得到生成的2D术后肝脏肿瘤图像；根据所述生成的2D术后肝脏肿瘤图像，得到3D术后肝脏肿瘤数据集。2.根据权利要求1所述的基于数据增强的肝脏CT术后肿瘤分割方法，其特征在于，所述构建SPADE生成对抗网络模型，包括：采用SPADE构建所述生成器的网络模型；采用常规卷积作为所述生成器的特征提取器；采用encoder
‑
decoder结构搭建类U型网络结构；其中所述encoder
‑
decoder结构带有多层上采样的decoder结构，每层decoder结构用于接收指定大小的图像掩模进行融合；根据所述生成器的网络模型、所述特征提取器和所述类U型网络结构，得到所述SPADE生成对抗网络模型。3.根据权利要求1所述的基于数据增强的肝脏CT术后肿瘤分割方法，其特征在于，所述对所述SPADE生成对抗网络模型进行训练，得到训练完成的SPADE生成对抗网络模型，包括：获取2D术后肝脏肿瘤图像样本，并根据所述2D术后肝脏肿瘤图像样本，得到真实图像分割掩模；将所述2D术后肝脏肿瘤图像样本输入图像编码器，得到均值向量和方差向量；根据所述均值向量和方差向量，得到输入噪声；将所述输入噪声输入到所述生成器，得到生成图像；将所述生成图像和所述真实图像分割掩模输入到所述判别器进行迭代训练直到所述SPADE生成对抗网络模型迭代至预设的次数为止，得到所述训练完成的SPADE生成对抗网络模型。4.根据权利要求3所述的基于数据增强的肝脏CT术后肿瘤分割方法，其特征在于，所述获取2D术后肝脏肿瘤图像样本，包括：获取肝脏CT肿瘤图像数据集，并从所述数据集中提取3D术后肝脏肿瘤CT图像；将所述3D术后肝脏肿瘤CT图像按轴位进行切片，得到若干2D术后肝脏肿瘤CT图像；对所述2D术后肝脏肿瘤CT图像进行数据增强，得到2D术后肝脏肿瘤图像样本。5.根据权利要求1所述的基于数据增强的肝脏CT术后肿瘤分割方法，其特征在于，...

【专利技术属性】
技术研发人员：高文，陈杰，田永鸿，王兆玮，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：