[发明专利]基于多尺度特征金字塔的3D CNN鼻咽癌分割方法有效

专利信息
申请号: 201810907208.X 申请日: 2018-08-09
公开(公告)号: CN109063710B 公开(公告)日: 2022-08-16
发明(设计)人: 李孝杰;郭峰;史沧红;吕建成;吴锡;何嘉;伍贤宇;罗超;张宪;刘书樵;李俊良 申请(专利权)人: 成都信息工程大学
主分类号: G06V10/26 分类号: G06V10/26;G06V10/82;G06N3/04
代理公司: 北京元本知识产权代理事务所(普通合伙) 11308 代理人: 常桑
地址: 610225 四川省成都*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 尺度 特征 金字塔 cnn 鼻咽癌 分割 方法
【权利要求书】:

1.一种基于多尺度特征金字塔的3D CNN鼻咽癌分割方法,其特征在于,包括以下步骤:

步骤1:收集若干例患鼻咽癌的病例,采集其鼻咽部位三维MRI图像数据;

步骤2:对所述MRI图像数据进行标准化预处理;

步骤3:对于病变区域逐层进行人工边缘标注,作为标签数据;

步骤4:构建带多尺度特征金字塔的三维卷积神经网络,使用步骤2中预处理后的MRI图像数据进行训练,该网络由三个下采样阶段和三个上采样阶段构成,每个下采样阶段由一个跳跃连接的残差块和一个特征金字塔组成,该残差块由两个卷积块和一个分步卷积块组成,每个卷积块包含一个卷积层,一个批量归一化层和一个激活函数层,然后进行逐元素相加,将原始特征与分步卷积块的特征映射进行融合,最后连接一个带三个不同扩张率的空洞卷积组成的特征金字塔,在上采样阶段,每进行一次上采样,将输出的特征映射尺寸扩大为原始的一倍,并输出一个辅助分割预测,最后将三个的辅助分割预测进行融合产生最终的分割预测结果,最后连接Softmax;

步骤5:对于待分割的鼻咽部位三维MRI图像数据,采集同部位同样模态的医学图像,使用步骤2的方法对采集的图像进行标准化预处理;

步骤6:通过步骤4训练得到的三维卷积神经网络,对步骤5中预处理后的三维MRI图像数据进行分割。

2.根据权利要求1所述的基于多尺度特征金字塔的3D CNN鼻咽癌分割方法,其特征在于,所述对MRI图像数据进行标准化预处理,包括以下步骤:

步骤2.1:在所述三维MRI图像数据中选择包含鼻咽肿瘤的颈部以上的头部图像;

步骤2.2:对步骤2.1中选择的头部图像进行重新采样至预设分辨率;

步骤2.3:在重新采样后的图像中定位肿瘤位置,并将重新采样后的图像裁剪成预定尺寸。

3.根据权利要求1所述的基于多尺度特征金字塔的3D CNN鼻咽癌分割方法,其特征在于,所述步骤4包括以下步骤:

步骤4.1:接收训练样本,所述训练样本为带有标签数据的标准化预处理后的MRI图像数据;

步骤4.2:根据步骤4.1训练样本的数量,采用五折交叉验证,确定每次交叉验证使用80%病人的MRI图像数据做训练样本,20%病人的MRI图像数据做测试样本,初始化卷积层和反卷积层中卷积核权重;

步骤4.3:每次输入一例MRI图像数据到步骤4中的卷积神经网络中的输入层;

步骤4.4:通过前向传播对三维卷积神经网络进行训练,最后通过Softmax分类器,输出鼻咽癌的概率图;

步骤4.5:利用杰卡德相似度,计算步骤4.4输出的鼻咽癌的概率图与步骤2的标签数据的误差:

步骤4.6:基于步骤4.5计算的误差,优化卷积核和反卷积核的权重;

步骤4.7:重复步骤4.3-步骤4.6,迭代若干次。

4.根据权利要求3所述的基于多尺度特征金字塔的3D CNN鼻咽癌分割方法,其特征在于,所述步骤4.5具体为:

其中,Jacc是步骤4.4输出的鼻咽癌的概率图与步骤2的标签数据的误差,PT是预测结果P和真实标签T的元素乘积,||X||2是X的L2-范数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都信息工程大学,未经成都信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810907208.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top