[发明专利]基于FCN神经网络和对抗学习的椎体定位识别分割方法

权利要求书

1.基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：包括以下步骤：S01)、准备MRI脊柱图像，然后根据MRI脊柱图像标注椎体分割标签和能量标签；S02)、构建深度学习网络，深度学习网络包括两组并行的多功能网络和对抗学习网络，然后将MRI图像及分割标签输入其中一个多功能网络，进行对抗训练，将MRI图像及能量标签输入另一个多功能网络，进行对抗训练；S03)、输入测试集至深度学习网络，由分割标签和能量标签训练的多功能网络会分别输出单个椎体的语义分割图和单个椎体质心的能量预测图；S04)、将生成的单个椎体语义分割结果通过忽略类别信息获得椎体形态信息，根据单个椎体语义分割结果中的类别信息和单个椎体质心的能量预测生成加强后的椎体质心热图预测，然后识别椎体的质心以及标定；识别椎体的质心以及标定的过程为：将单个椎体的语义分割结果的类别信息和单个椎体质心的能量预测，在对应椎体通道的每个像素点做加权和，从而生成加强后的椎体质心热图预测，然后在加强后的椎体质心热图预测上找能量最集中处，确定质心坐标，将质心坐标所拥有的类别信息作为当前椎体的识别标签。

2.根据权利要求1所述的基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：利用ITK-SNAP软件对MRI图像进行椎体分割标签的标注，利用ITK-SNAP软件的工具箱将MRI图像中的椎体进行掩膜标记，从最下方的椎骨开始，沿着椎体边缘画出闭合曲线，填充闭合曲线内部，生成与椎体形状位置一致的掩膜标记为1，对其他椎体也执行相同的操作，并按照递升次序依次标记，进行掩膜标记后的MRI图像就是生成的分割标签，背景的标签是0。

3.根据权利要求2所述的基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：由分割标签算出椎体质心，根据质心生成能量标签，具体过程为：根据公式计算能量标签，其中u_i代表标签为i的椎体的质心，σ代表从质心向周围扩散的半径，k代表高斯分布在质心处的值，x代表椎体图像上像素点的位置坐标，y_i代表u_i处的高斯函数值，即要求的能量标签。

4.根据权利要求1所述的基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：MRI脊柱图像包括具有不同分辨率、不同程度病变、包含不同椎体块数的多张图像，进行标签标注前，先将图像像素大小调整为统一大小。

5.根据权利要求1所述的基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：训练和测试深度学习网络时，采用5折交叉验证法。

6.根据权利要求1所述的基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：分割标签及其对应的多功能网络的输出共同作为它们对应的对抗学习网络的输入，能量标签及其对应的多功能网络的输出共同作为它们对应的对抗学习网络的输入，对抗学习网络的输出又反馈至其对应的多功能网络。

7.根据权利要求1所述的基于FCN神经网络和对抗学习的椎体定位识别分割方法，其特征在于：单个椎体的语义分割结果包括i个通道，每个通道为相应分割标签的椎体预测的形态信息，单个椎体质心的能量预测图包括i个通道，每个通道为相应分割标签的椎体质心预测的能量分布。