医学图像的子宫肌瘤分割方法及装置制造方法及图纸

本发明专利技术属于图像分割技术领域，公开了一种医学图像的子宫肌瘤分割方法，通过采集若干医学图像进行预处理，获得若干样本图像组成样本数据集；构建

【技术实现步骤摘要】
医学图像的子宫肌瘤分割方法及装置、设备、存储介质


[0001]本专利技术属于图像分割
，具体涉及一种医学图像的子宫肌瘤分割方法及装置
、
设备
、
存储介质
。

技术介绍

[0002]传统的子宫肌瘤治疗方法多为手术切除，但手术切除创伤大
。
[0003]如今采用高强度聚焦超声技术
(High Intensity Focused Ultrasound
，
HIFU)
进行子宫肌瘤治疗，
HIFU
消融技术是利用一定的聚焦技术将体外低能量的超声聚焦到体内特定区域，借助超声的生物学效应使组织产生不可逆的凝固型坏死，但却不损伤周围的正常组织，从而达到消融肿瘤的目的
。
[0004]与传统手术方法比较，
HIFU
消融技术具有恢复时间快
、
可重复治疗
、
可保留子宫等优点，目前在世界范围内得到广泛应用
。
如何在术前实现更加准确的
HIFU
疗效预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
医学图像的子宫肌瘤分割方法，其特征在于，包括：
S1、
采集若干医学图像进行预处理，获得若干样本图像组成样本数据集；
S2、
构建
U
型网络模型；其中，
U
型网络模型使用
Unet
作为骨干网络，包括编码器和解码器，编码器和解码器的网络结构分别从上到下分为五层，编码器的前四层每层与解码器的相应层之间跳跃连接，编码器的第五层与解码器的第五层之间通过串接的空洞空间卷积池化金字塔和卷积注意力模块连接；所述编码器的每层均包括串接的残差块和第一通道注意力模块，所述残差块包括串接的3个卷积块，在每个卷积块之后均设有批归一化层和激活函数，3个卷积块分别为第一卷积块
、
第二卷积块和第三卷积块，所述第一卷积块用于增加指定数量的通道，第二卷积块用于下采样，第三卷积块用于在不更改通道数的情况下提取特征，第一通道注意力模块用于根据不同通道的权重信息对多通道的特征图进行权重赋值；所述空洞空间卷积池化金字塔包括堆叠而成的扩张率分别为
1、6、12、18
的四个空洞卷积层，所述卷积注意力模块包括串接的第二通道注意力模块和空间注意力模块；
S3、
利用样本数据集训练
U
型网络模型，获得具有最优模型参数的子宫肌瘤图像分割模型；
S4、
将待测医学图像输入子宫肌瘤图像分割模型，获得子宫肌瘤对应的肿瘤区域
。2.
如权利要求1所述的医学图像的子宫肌瘤分割方法，其特征在于，将待测医学图像输入子宫肌瘤图像分割模型，获得子宫肌瘤对应的肿瘤区域，包括：将待测医学图像输入子宫肌瘤图像分割模型，通过编码器每一层的残差块依次将所述待测医学图像的通道从1增加至
64、128、256、512、1024
，并经由编码器每一层的第一通道注意力模块根据不同通道的权重信息对多通道的特征图进行权重赋值获得编码特征图；当通道数达到
1024
时，通过四个所述空洞卷积层将所述编码特征图以不同的采样率进行采样获得多尺度特征，对多尺度特征进行融合得到最终的特征提取结果；经由所述第二通道注意力模块和所述空间注意力模块分别在通道上和空间上推断注意力图，将注意力图与多尺度特征融合后的特征提取结果相乘，获得自适应特征图；通过所述解码器对所述自适应特征图进行层层解码，直至解码器的第一层将通道数减少到
64
，通过1×1卷积算子后跟
sigmoid
激活函数层将结果映射为概率，得出最终的分割结果，标记为所述待测医学图像中子宫肌瘤对应的肿瘤区域
。3.
如权利要求2所述的医学图像的子宫肌瘤分割方法，其特征在于，所述解码器的每层均设置有双卷积模块；所述通过所述解码器对所述自适应特征图进行层层解码，包括：通过所述编码器的每层的双卷积模块将输入的自适应特征图与跳跃连接的编码器相应层的特征进行融合，再执行上采样操作以恢复图像...

【专利技术属性】
技术研发人员：郭蕾，于海，张秋实，李黎明，黄志霞，
申请(专利权)人：广东省第二人民医院广东省卫生应急医院，
类型：发明
国别省市：