一种X射线颈椎图像分割方法及系统、存储介质技术方案

本发明专利技术公开了一种X射线颈椎图像分割方法及系统、存储介质，该方法包括步骤：获取待分割原始图像；多尺度ASPP模块对待分割原始图像进行空洞卷积；采用自适应高效通道注意力模块对空洞卷积获得的第一特征图像进行全局平均池化处理；利用上下文信息构造二进制分类器，以区分当前同一类别像素与不同类别像素之间的特征信息；类内信息和类间信息与输出的图像特征相乘，得到上下文先验特征信息，并将其特征图与所述原始图像进行合并，得到含有细节特征的第三特征图像；采用拉普拉斯金字塔结构对第三特征图像融合，得到分割图像。本发明专利技术不仅使ASPP模块得到了改进，同时使解码部分融合多个尺度的细节信息，在不损失特征分辨率的情况下，提升了图像的细节信息。提升了图像的细节信息。提升了图像的细节信息。

【技术实现步骤摘要】
一种X射线颈椎图像分割方法及系统、存储介质


[0001]本专利技术涉及医学图像处理
，尤其涉及一种X射线颈椎图像分割方法及系统、存储介质。

技术介绍

[0002]医学成像技术的快速发展为脊柱病变提供了一种新的辅助诊断方法，医生可以从图像中观察到脊柱的体征并进行分析和诊断，而现有的成像技术依赖于操作者的经验和技术，使得劳动强度增高高、效率降低。在许多医学图像处理任务中，图像自动分割是帮助专家提供对图像准确分析的重要步骤，而现有的医学图像分割算法并不通用，对不同人体器官图像的分割效果有很大不同。因此，研究一种高效的脊柱分割方法，对脊柱病变的检测具有重要的临床意义。
[0003]随着越来越多学者的关注语义分割，图像在多尺度变化、边界模糊等问题得到了一系列的解决方案，但在准确分割方面仍然具有一定的应用难度。Ronneberger等人于2015年提出了一种主要用于医学图像的U
‑
net语义分割算法，在编解码结构的解码部分对低分辨率图像进行采样，不仅可以恢复图像的空间维度和像素位置信息，还可以避免池化操作带来的分辨率降低问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种X射线颈椎图像分割方法，其特征在于，该方法基于改进的Deeplabv3算法，且使用MobileNetV2作为主干网络，包括以下步骤：获取待分割原始图像；采用多尺度ASPP模块对待分割原始图像进行空洞卷积，获得第一特征图像；采用自适应高效通道注意力模块对空洞卷积获得的所述第一特征图像进行全局平均池化处理，输出第二特征图像；将输出所述第二特征图像作为输入，利用上下文信息构造二进制分类器，以区分当前同一类别像素与不同类别像素之间的特征信息，得到类内信息和类间信息；通过所述类内信息和类间信息与输出的图像特征相乘，得到含有类内信息和类间信息的上下文先验特征信息，并将其特征图与所述原始图像进行合并，得到含有细节特征的第三特征图像；采用拉普拉斯金字塔结构对第三特征图像融合，得到分割图像。2.如权利要求1所述的一种X射线颈椎图像分割方法，其特征在于：所述采用多尺度ASPP模块对待分割原始图像进行空洞卷积，获得第一特征图像，具体为：采用一个1x1卷积、3种不同膨胀率的空洞可分离卷积，其中空洞卷积结构如下式(1)，卷积核大小为k，通道扩张率为r，感受野大小为R：R＝(r
‑
1)
×
(k
‑
1)+k
ꢀꢀꢀꢀ
(1)。3.如权利要求1所述的一种X射线颈椎图像分割方法，其特征在于：所述采用自适应高效通道注意力模块对空洞卷积获得的所述第一特征图像进行全局平均池化处理，具体为：采用自适应选择卷积核大小的不降维局部跨信道交互策略对空洞卷积获得的所述第一特征图像进行全局平均池化处理，计算公式为：其中，卷积内核大小k与通道维数C成正比，如下式：C＝φ(k)＝2
(γ*k
‑
b)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式(2)中参数γ和b分别控制卷积内核大小k与通道维数C的比例；卷积尺寸计算公式为：4.如权利要求1所述的一种X射线颈椎图像分割方法，其特征在于：所述采用拉普拉斯金字塔结构对第三特征图像融合，得到分割图像，具体为：低频图像输入拉普拉斯金字塔结构；将主干网络的当前层图像与上一层上采样图像相减，获得差值图像及低层语义特征；将拉普拉斯金字塔采样系数为1/4、1/8和1/16的低层语义特征与主干网络所下采样产生的1/4大小特征图进行拼接，得到低层特...

【专利技术属性】
技术研发人员：宋宇锋，张权，郭春麟，张勇，张润杰，石琼芳，申学泉，车心乐，
申请(专利权)人：太原市杏花岭区中心医院，
类型：发明
国别省市：