基于三维去噪扩散模型的肺部PET&CT图像分割方法技术

本发明专利技术公开了基于三维去噪扩散模型的肺部PET&CT图像分割方法，将优化后的U‑Net的3D‑DDPM方法与Analytic‑DPM方法的优化相结合，以提高肺腺瘤分割的精度和准确性。优化后的U‑Net利用了全尺寸跳跃连接和深度监督，并改进残差模块。同时，基于Analytic‑DPM方法优化了DDPM，Analytic‑DPM使用蒙特卡罗方法和预训练的基于分数的模型来估计方差和KL散度的分析形式，推导了最优方差的界限，以纠正潜在的偏差，并揭示了分数函数和数据协方差矩阵之间的关系，提高了似然结果的效率和性能，有效的生成了高质量的样本。本发明专利技术实现了高质量的三维医学图像合成，在3D‑DDPM扩散模型的逆向过程中，将三维PET、CT和高斯噪声体积的级联作为网络输入以生成肿瘤掩膜，从而准确地实现肺腺瘤分割。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体涉及一种基于三维去噪扩散模型的肺部pet&ct图像分割方法。

技术介绍

1、肺腺瘤是一种肺部肿瘤，严重的会引起呼吸困难和咳血。因此，需要密切监测以确保它们不会引发更严重的问题。pet和ct成像是初始分期和后续监测中广泛使用的方式。pet图像可以有效地突出代谢活性高的肺腺瘤，但图像分辨率和信噪比较低。有时，根据pet图像将肺腺瘤与其他高代谢活跃的正常组织区分开来可能具有挑战性。另一方面，ct成像为人体结构提供了有价值的形态学见解。因此，整合pet和ct图像可以协同提供互补信息，提高诊断和治疗计划的准确性。然而，对于放射科医生来说，从pet和ct图像中描绘每个患者的肿瘤体积是一项费力的工作，特别是在处理大型队列时。因此，开发高精度的肺腺瘤自动分割技术具有重要意义，可以促进更快、更可重复性的肿瘤圈定。

2、扩散模型是一种生成模型，最初被提出用于图像合成，它将具有挑战性的图像合成任务分解为一系列图像去噪子任务。该方法增强了图像合成的稳定性和性能，与其他最先进的方法相比表现出竞争力。除了图像合成之外，它们还在图像本文档来自技高网...

【技术保护点】

1.基于三维去噪扩散模型的肺部PET&CT图像分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于三维去噪扩散模型的肺部PET&CT图像分割方法，其特征在于：所述步骤S1中，将原始数据集按照指定比例分为训练集、验证集和测试集；确保数据集的划分合理，保证模型训练、验证和测试的数据来源具有代表性和独立性；使用线性插值法将原始数据集的空间分辨率重采样至1×1×1mm³，并统一调整数据集的体积尺寸为144×144×144mm³。

3.根据权利要求1所述的基于三维去噪扩散模型的肺部PET&CT图像分割方法，其特征在于：所述步骤S2中，全...

【技术特征摘要】

1.基于三维去噪扩散模型的肺部pet&ct图像分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于三维去噪扩散模型的肺部pet&ct图像分割方法，其特征在于：所述步骤s1中，将原始数据集按照指定比例分为训练集、验证集和测试集；确保数据集的划分合理，保证模型训练、验证和测试的数据来源具有代表性和独立性；使用线性插值法将原始数据集的空间分辨率重采样至1×1×1mm³，并统一调整数据集的体积尺寸为144×144×144mm³。

3.根据权利要求1所述的基于三维去噪扩散模型的肺部pet&ct图像分割方法，其特征在于：所述步骤s2中，全尺寸跳跃连接转换了编码器和解码器之间的互连以及解码器子网络之间的内连接，每个解码器层都结合了来自编码器的小尺度和相同尺度的特征映射和来自解码器的大尺度特征映射，从而全尺度捕获细粒度细节和粗粒度语义；为了从全尺度聚合特征图中学习层次表示，采用了全尺度深度监督：将优化后的u-net从每个解码器阶段产生一个侧输出，该侧输出由地面真值监督；为了实现深度监督，每个解码器阶段的最后一层被馈送到一个普通的3×3卷积层，然后是双线性上采样和s型函数；

4.根据权利要求1所述的基于三维去噪扩散模型的...

【专利技术属性】
技术研发人员：张伟，张政，陈云芳，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：