[发明专利]基于三维卷积神经网络的CT造影图像肾脏肿瘤分割方法及系统

权利要求书

1.一种基于三维卷积神经网络的CT造影图像肾脏肿瘤分割方法，其特征在于：利用基于金字塔池化和逐步特征增强模块的三维卷积神经网络对肾脏CT造影图像处理，得到肾脏和肿瘤的分割掩模，具体包括以下步骤：

步骤(1)、对已有的CT造影图像分割出图像中的肾脏区域，对肾脏和肿瘤进行标注，得到感兴趣区域，生成训练数据集；

步骤(2)、将训练数据集送入基于金字塔池化模块PPM和逐步特征增强模块GEFM的双路径三维卷积神经网络中进行训练，得到训练模型；所述逐步特征增强模块由m个分支组成；对于每个分支，均采用如下所述的操作步骤，每个分支之间的区别在于所使用的卷积核不同：

其中，f_input表示由上一层得到的三维特征图即特征增强模块GEFM的输入，公式(1)表示所需要的对f_input的初始操作，其中*表示卷积操作，是卷积核的权重，f_input经过卷积得到公式(2)表示特征增强过程，其中，表示卷积层的权重，g表示第g个分支；将作为输入送入增强系数函数得到增强因子，所述增强系数函数由卷积和sigmoid激活函数组成；然后把增强因子与相加，得到增强特征相同操作重复K次，经过K次迭代得到后得到最终增强的特征图公式(3)表示得到所有分支的增强特征后，将这些特征连接起来即为最后特征增强模块GEFM的输出f_output,concatenate()表示将特征连接；

步骤(3)、对于新的待分割的肾脏CT造影图像，送入已训练完毕的模型得到分割结果。

2.根据权利要求1所述的方法，其特征在于：所述步骤(1)具体包括以下步骤：

(101)、将CT造影图像与专家库中的M个模板图像分别进行图像配准，获得形变参数；

(102)、利用步骤(101)获得的形变参数，将M个模板图像上的肾脏的专家分割结果形变后都映射到CT造影图像上；

(103)、将步骤(102)所得到的映射后的CT造影图像上的M个肾脏形变结果分别各自合并，获得CT造影图像肾脏的初步分割结果；

(104)、人工标注肾脏和肿瘤区域，作为标签；

(105)、使用翻转、平移、裁剪方法对训练数据集进行数据增强。

3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中的三维卷积神经网络，输入输出均为三维图片数据，各个层的运算均为三维运算，网络层与层之间的数据流均为五维数据；该三维卷积神经网络初始为残差模块，残差模块的输出送入金字塔池化模块，金字塔池化模块后接逐步特征增强模块得到分割掩模。

4.根据权利要求1或3任一所述的方法，其特征在于：金字塔池化模块由一个池化层、一个卷积模块和一个反卷积模块构成，其中反卷积模块由反卷积层、归一化层和Relu激活层构成。

5.根据权利要求4所述的方法，其特征在于：金字塔池化模块的数量为三个，其中，三个金字塔池化模块的池化层的核尺寸分别设置为2、4、8；三个金字塔池化模块的反卷积模块的核尺寸分别设置为2、4、8。

6.根据权利要求1所述的方法，其特征在于：对于所述步骤(2)得到训练模型，还包括进行代价函数计算来便于网络的反向传播，代价函数采用带权值的交叉熵损失函数，公式为：

其中为softmax函数的计算，Wⁱ为第i类的权重，交叉熵的权重由1/2反向频率中和法计算而来，即先分别统计整个数据库中无关背景、肾脏、肾肿瘤的频率，然后用中间的频率分别处理各自的频率，然后将所得到的结果的最大值和最小值均除以2。