一种基于条件伯努利扩散的医学影像分割方法技术

本发明专利技术属于医学影像分析技术领域，具体为一种基于条件伯努利扩散的医学影像分割方法。本发明专利技术使用伯努利噪声作为扩散核来增强扩散模型的分割能力，从而产生更精确的分割图；利用扩散模型的随机性，通过多次随机采样初始伯努利噪声和中间隐变量，产生一系列多样化的分割图，从而突出显示感兴趣的显著区域，为放射科医师提供有价值的参考；此外，根据DDIM的原理，高效地从逆向扩散的整体轨迹中采样子序列，从而加速分割过程。通过真实数据上的大量实验，在定性和定量方面都证明本发明专利技术分割方法的优越性能。的优越性能。的优越性能。

【技术实现步骤摘要】
一种基于条件伯努利扩散的医学影像分割方法


本专利技术属于医学影像分析
，具体涉及一种医学影像分割方法。

技术介绍

医学影像分割在实现更好的诊断、手术规划和图像引导手术方面发挥着至关重要的作用
[0001]。医学影像固有的模糊性和高度不确定性给精确分割带来了重大挑战[2]，这种模糊性和不确定性来自多种因素：比如在脑磁共振成像(MRI)影像中肿瘤边界不清晰，以及在肺部结节计算机断层扫描(CT)影像中存在多个可能的注释。现有的医学影像分割方法通常仅提供单一、确定性的最可能假设分割图，这可能导致误诊或次优治疗。因此，在临床实践中，为放射科医生提供精确和多样化的分割图作为有价值的参考是至关重要的[3]。最近，扩散模型[4]在各种视觉生成任务中显示出了强大的能力[5][6]。然而，如何更好地与离散分割任务集成仍需要进一步考虑。尽管许多研究已将扩散模型与分割任务相结合并进行了一些改进[7][8]，但所有这些方法都没有充分考虑分割任务的离散特性，仍然使用高斯噪声作为其扩散核。为了实现精确和多样化的分割，本专利技术提出了一种新颖的基于条件伯努利扩散本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于条件伯努利扩散的医学影像分割方法，其特征在于，使用伯努利噪声作为扩散核来增强扩散模型的分割能力，具体步骤如下：(1)定义一个伯努利前向加噪过程，向医学影像x的真实分割图y0逐渐添加越来越多的伯努利噪声；该伯努利前向过程q(y
1:T
|y0)属于一个长度为T的马尔科夫链：)属于一个长度为T的马尔科夫链：其中，表示分辨率为H
×
W，有C个通道的输入医学影像，对应的真实分割图y0∈{0,1}
H
×
W
，其中0表示背景，1表示待分割目标；表示概率参数为的伯努利分布，β是扩散率，用于定义整个前向加噪过程的噪声时间表；记α
t
＝1
‑
β
t
，以闭式解的形式从时间步t获得加噪后的分割图y
t
：为了确保在具体实现过程中高效地计算目标函数，进行重参数化处理，即首先从分布中采样获得伯努利噪声ε，再通过获得y
t
，其中表示逻辑运算符异或；令
⊙
表示逐元素相乘，Norm(
·
)表示沿着通道维度标准化数据后再输出第二个通道，具体的伯努利后验概率表示成如下形式：其中，(2)定义一个对应的多样化逆向过程，借以产生多样化的分割图；该逆向过程同样属于马尔科夫链，始于伯努利噪声中间的状态转移受输入的医学影像x约束；具体的多样化逆向过程表示为：具体的多样化逆向过程表示为：具体来说，利用估计的关于y
t
的伯努利噪声来参数化该参数化过程利用到一个修正函数程利用到一个修正函数其中，|
·
|表示取绝对值操作；(3)采用如下方式训练模型，将伯努利前向加噪过程和多样化逆向过程关联起来：在训练阶段...

【专利技术属性】
技术研发人员：单洪明，陈涛，
申请(专利权)人：复旦大学，
类型：发明
国别省市：