【技术实现步骤摘要】
基于双向多尺度特征提取的CT影像胸壁分割方法
[0001]本专利技术涉及数字图像处理领域,具体涉及一种基于双向多尺度特征提取的
CT
影像胸壁分割方法
。
技术介绍
[0002]CT
影像质量控制是医学影像质量控制的重要环节,而胸壁分割的重要性体现在胸壁完整性和
FoV(
视场
)
两个方面
。
首先胸壁完整性是医生诊断的基本要求,保障了医生对胸壁内部的病灶有完整的把握,而
FoV
则相对偏向于硬件参数,体现在胸壁区域在影像中的面积占比,合适的
FoV
也能保证胸壁完整性,同时能协调不同
CT
层之间的胸壁范围
。
所以胸壁分割是
CT
影像质量控制重要的一步
。
传统方法一般是基于边缘或者是基于连通区域,传统技术对图像噪声比较敏感,而且无法应对特殊的边缘情况,比如存在其他身体组织进入了
CT
影像的范围
。
因此,基于深度学习的图像分割方法对解决这个问题很有帮助
。
[0003]现有的图像分割方法中,比较经典的包括
mask R
‑
CNN、FCN、U
‑
Net、DeepLab
系列等,其中
mask R
‑
CNN
基于了一定的二阶段目标检测方法对图像分割进行了优化,而其他的方法都是基于全卷积的,但是
U
【技术保护点】
【技术特征摘要】
1.
基于双向多尺度特征提取的
CT
影像胸壁分割方法,其特征在于该方法包括如下步骤:步骤1,构建基于双向多尺度特征提取的图像分割网络,包括编码器分支
、
多尺度特征融合分支
、
多尺度横向特征连接模块和解码器分支;所述图像分割网络利用双向特征金字塔将多尺度特征提取引入编码器分支,利用复合挤压激励网络将多尺度横向特征连接模块引入解码器分支;步骤2,将训练数据集输入步骤1中的基于双向多尺度特征提取的图像分割网络中训练,得到学习后的图像分割网络;步骤3,将测试集数据输入步骤2训练得到的图像分割中得到初步的分割结果,设定置信度的阈值后进行可视化,得到准确分割
CT
影像中心的胸壁部分
。2.
根据权利要求1所述基于双向多尺度特征提取的
CT
影像胸壁分割方法,其特征在于该方法:所述多尺度特征融合分支用于多尺度特征融合和特征提取,能对不同尺度的信息进行融合,并通过残差结构保留当前尺度的特征
。3.
根据权利要求2所述基于双向多尺度特征提取的
CT
影像胸壁分割方法,其特征在于该方法:所述多尺度特征融合分支包括:自底向上的特征融合过程:包括四个级别的特征融合上采样过程,以编码器分支最后一个级别的编码过程输出结果为起始点,依次经过四个级别的上采样过程,对编码器分支的前四个级别的编码过程,将同一尺度下对应的编码过程得到的特征图与尺度更小
、
拥有高级特征的特征图进行融合,逐步完成自底向上的特征融合过程,得到四个自底向上特征融合中间结果;自顶向下的特征融合过程,包括四个级别的特征融合下采样过程,对应自底向上特征融合过程的四个特征融合上采样过程以及编码器分支的前四个编码过程;每个级别的特征融合下采样过程同时考虑对应级别的编码过程
、
特征融合上采样过程和上一个特征融合下采样过程产生的特征图,对三者进行加权相加后进行下采样,完成当前级别的特征融合下采样
。4.
...
【专利技术属性】
技术研发人员:许茂盛,吴林玉,高晨,马之骋,杨涛,吴郑鑫,王世威,
申请(专利权)人:浙江工商大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。