一种阴道镜宫颈病灶分割方法技术

本发明专利技术公开了一种基于醋白反应注意图的阴道镜宫颈病灶分割方法

【技术实现步骤摘要】
一种阴道镜宫颈病灶分割方法、系统、设备及介质


[0001]本专利技术涉及医疗图像处理
、
图像分割
，更具体的说是涉及一种基于醋白反应注意图的阴道镜宫颈病灶分割方法
、
系统设备及介质
。

技术介绍

[0002]宫颈癌是严重威胁女性生命健康的三大妇科恶性肿瘤之一，严重影响了育龄妇女的身体健康和生活质量
。WHO
提出，只有当宫颈癌筛查覆盖率超过
80
％，才能有效降低宫颈癌的发病率及死亡率，我国宫颈癌筛查覆盖率仅为
25.7
％；在我国，找到一种能够提高筛查覆盖率的简单
、
客观
、
实时的宫颈癌筛查技术，是妇产科医生及政策制定者所关注的重点
。
[0003]目前国际公认的宫颈癌筛查采用的是“三阶梯”法：细胞学检查和
/
或
HPV
检测
、
阴道镜检查
、
组织病理学检查，三个阶梯逐步推进
。
阴道镜检查发挥着承上启下的关键作用
。
其属于一种无损伤性
、
可重复检查且不影响宫颈病灶的检查方式；还能指导在可疑病灶部位定向活检取样，这一点是重要且无法取代的
。
[0004]然而阴道镜图像的描述体系与评价标准相对复杂，使其临床普及具有难度，阴道镜检查的准确性十分依赖于医生的主观经验
。
在我国，高水平的专业阴道镜医生极为短缺，阴道镜诊断效能远不能满足大量的临床需求
。
在基层医院，不少前期筛查发现的可疑病变，在确诊阶段遭遇瓶颈，即基层医生无法通过阴道镜检查发现可疑病灶部位并指导定向活检取样而导致漏诊
。
因此急需一种可以辅助阴道镜医生进行宫颈病灶分割的自动化方法
。
[0005]近年来，全卷积神经网络作为深度学习技术的代表，已在电子计算机断层扫描
、
磁共振成像
、
胃肠道内窥镜等医学影像的病灶分割任务中显示出巨大的潜力，一些研究也试图将全卷积神经网络应用于阴道镜宫颈病灶分割任务
。
在阴道镜检查过程中，医生会反复比对涂抹醋酸前后宫颈上皮的变化来识别病灶，以提高活检的准确率
。
目前现有的基于全卷积神经网络的阴道镜宫颈病灶分割模型大多基于醋染后阴道镜图像开发，未充分利用醋染前后阴道镜图像变化信息，导致模型对于阴道镜宫颈病灶分割任务的适应性差，难以精确分割宫颈病灶区域
。
[0006]因此，提出一种能够充分利用醋染前后阴道镜图像变化信息的基于全卷积神经网络的阴道镜宫颈病灶分割模型，实现阴道镜宫颈病灶区域自动精细分割，是本领域技术人员亟需解决的问题
。

技术实现思路

[0007]有鉴于此，本专利技术提供了一种基于醋白反应注意图的阴道镜宫颈病灶分割方法
、
系统
、
设备及介质，通过醋染前阴道镜图像和醋染后阴道镜图像构建醋白反应注意图，并通过空间注意力的方式过滤全卷积神经网络分割模型中编码器输出特征图中背景等干扰信息，提升阴道镜宫颈病灶区域分割模型的精度，为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种基于醋白反应注意图的阴道镜宫颈病灶分割方法，包括以下步骤：
[0009]S1
：获取醋染前阴道镜图像
、
醋染后阴道镜图像和基于醋染后阴道镜图像的宫颈病灶区域金标准标注，对所述醋染前阴道镜图像和醋染后阴道镜图像进行归一化操作，得到训练数据集和测试数据集；
[0010]S2
：将所述醋染后阴道镜图像作为主干输入到预先构建好的宫颈病灶分割模型；根据所述醋染前阴道镜图像和醋染后阴道镜图像，得到醋白反应注意图，将所述醋白反应注意图作为辅助分支输入到预先构建好的宫颈病灶分割模型；
[0011]S3
：基于所述训练数据集迭代训练所述宫颈病灶分割模型，通过宫颈病灶分割模型输出的病灶区域预测结果和所述宫颈病灶区域金标准标注构建监督损失函数，并通过所述监督损失函数迭代优化所述宫颈病灶分割模型，直至模型收敛，保存模型参数；
[0012]S4
：使用所述测试数据集评估训练完成后的宫颈病灶分割模型，评估性能符合需求的宫颈病灶分割模型用于后续阴道镜宫颈病灶区域预测，将待检测的醋染前阴道镜图像和醋染后阴道镜图像输入所述宫颈病灶分割模型中得到宫颈病灶区域预测结果
。
[0013]可选的，步骤
S2
中所述得到醋白反应注意图这一步骤包括：首先通过
BSpline
方法对醋染前阴道镜图像和醋染后阴道镜图像进行配准；将配准后的醋染前阴道镜图像和醋染后阴道镜图像从
RGB
颜色空间转换为
LAB
颜色空间；将醋染后阴道镜图像的
A
通道与配准后的醋染前阴道镜图像的
A
通道作差后得到醋白反应注意图
。
[0014]可选的，步骤
S2
中所述醋白反应注意图作为宫颈病灶分割模型的辅助分支输入的方式为：将醋白反应注意图输入空间注意力权重生成模块后生成注意力权重图；通过最近邻插值方法将注意力权重图下采样至对应尺寸；将原始注意力权重图和下采样后的注意力权重图与宫颈病灶分割模型中对应的卷积编码块输出特征图进行元素相乘，过滤特征图中背景等干扰信息
。
[0015]可选的，所述空间注意力权重生成模块由2个
3*3
卷积层
、BatchNorm
层
ReLU
层及
Sigmoid
层交替串联组成，醋白反应注意图输入空间注意力权重生成模块后被映射为数值范围在
[0,1]之间的注意力权重图
。
[0016]本申请的一些实施例还提供了一种基于醋白反应注意图的阴道镜宫颈病灶分割系统，所述系统包括：数据获取模块，所述数据获取模块用于获取醋染前阴道镜图像
、
醋染后阴道镜图像
、
醋白反应注意图和基于醋染后阴道镜图像的宫颈病灶区域金标准标注，得到训练数据集和测试数据集；数据输入模块，所述数据输入模块用于将所述醋染后阴道镜图像作为主干输入到预先构建好的宫颈病灶分割模型，将所述醋白反应注意图作为辅助分支输入到预先构建好的宫颈病灶分割模型；训练模块，所述训练模块基于所述训练数据集迭代训练所述宫颈病灶分割模型；测试模块，所述测试模块用于使用所述测试数据集评估训练完成后的宫颈病灶分割模型，评估性能符合需求的宫颈病灶分割模型用于后续阴道镜宫颈病灶区域预测
。
[0017]本申请的一些实施例还提供了一种阴道镜宫颈病灶分割设备，所述设备包括：一个或多个处理器；以及存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上所述的方法
。
[0018]本申请的一些实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于醋白反应注意图的阴道镜宫颈病灶分割方法，其特征在于，包括以下步骤：
S1
：获取醋染前阴道镜图像
、
醋染后阴道镜图像和基于醋染后阴道镜图像的宫颈病灶区域金标准标注，对所述醋染前阴道镜图像和醋染后阴道镜图像进行归一化操作，得到训练数据集和测试数据集；
S2
：将所述醋染后阴道镜图像作为主干输入到预先构建好的宫颈病灶分割模型；根据所述醋染前阴道镜图像和醋染后阴道镜图像，得到醋白反应注意图，将所述醋白反应注意图作为辅助分支输入到预先构建好的宫颈病灶分割模型，所述宫颈病灶分割模型基于全卷积神经网络进行构建；
S3
：基于所述训练数据集迭代训练所述宫颈病灶分割模型，通过宫颈病灶分割模型输出的病灶区域预测结果和所述宫颈病灶区域金标准标注构建监督损失函数，并通过所述监督损失函数迭代优化所述宫颈病灶分割模型，直至模型收敛，保存模型参数；
S4
：使用所述测试数据集评估训练完成后的宫颈病灶分割模型，评估性能符合需求的宫颈病灶分割模型用于后续阴道镜宫颈病灶区域预测，将待检测的醋染前阴道镜图像和醋染后阴道镜图像输入所述宫颈病灶分割模型中得到宫颈病灶区域预测结果
。2.
根据权利要求1所述的一种基于醋白反应注意图的阴道镜宫颈病灶分割方法，其特征在于，所述得到醋白反应注意图这一步骤包括：首先通过
BSpline
方法对所述醋染前阴道镜图像和所述醋染后阴道镜图像进行配准；将配准后的所述醋染前阴道镜图像和醋染后阴道镜图像从
RGB
颜色空间转换为
LAB
颜色空间；将所述醋染后阴道镜图像的
A
通道与配准后的所述醋染前阴道镜图像的
A
通道作差后得到所述醋白反应注意图
。3.
根据权利要求1所述的一种基于醋白反应注意图的阴道镜宫颈病灶分割方法，其特征在于，所述将所述醋白反应注意图作为辅助分支输入到预先构建好的宫颈病灶分割模型包括：将醋白反应注意...

【专利技术属性】
技术研发人员：华克勤，李静，李清，沈南燕，王珏，胡鹏，麻慧琳，
申请(专利权)人：上海大学，
类型：发明
国别省市：