[发明专利]基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法有效
申请号: | 201811363678.0 | 申请日: | 2018-11-16 |
公开(公告)号: | CN109584246B | 公开(公告)日: | 2022-12-16 |
发明(设计)人: | 吴锡;夏朝阳;陈玉成;李孝杰;徐源蔚 | 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;G06V10/52;G06V10/44;G06V10/764;G06V10/80;G06V10/82 |
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 四川省成都市双*** | 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 dcm 心肌 诊疗 放射 影像 分割 方法 | ||
1.一种基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法,其特征在于,所述基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法包括:
使用带孔卷积获取图像中更远距离的上下文信息;使用空间金字塔池化,在不同尺度上对图像进行信息提取、捕捉;
通过使用编码器和解码器结构恢复细节信息;使用跳跃连接,将浅层的特征和高层的特征进行融合,在被分割物体边缘上得到语义丰富且细节完整的分割掩膜;
所述基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法具体包括:
第一步:输入一张心脏磁共振图像;
第二步:对图像进行预处理;
第三步:使用卷积神经网络进行训练,对图像进行特征提取;
第四步:将第一层和经过三个深度可分离卷积层之后的特征图进行残差连接;
第五步:重复多次卷积和残差连接的特征提取;
第六步:将来自深层的特征图经过上采样后,与来自浅层的特征图进行融合;
第七步:将经过融合的特征图进行上采样,到达与原图相同大小;
第八步:将第七步得到的特征图送入softmax层,得到分割概率响应图;
第九步:对图像进行后处理;
第十步:保存到文件,得到最终的分割掩膜结果;
第二步具体包括:
步骤一:将图像重新采样,保证空间分辨率为1x1x1;
步骤二:将图像归一化,保证图像中的亮度值在-1到1;
步骤三:将图像裁剪,只保留ROI区域;
第三步具体包括:
步骤一:使用卷积核对图像进行卷积操作;
步骤二:对上一步深度可分离卷积后的特征图进行批归一化;
步骤三:将上一步得到的特征图通过ReLU激活函数;
第九步具体包括:
步骤一:将概率响应图二值化,得到分割掩膜;
步骤二:将上一步的分割掩膜进行图像形态学morphology处理。
2.一种终端,其特征在于,所述终端至少搭载实现权利要求1所述基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法的控制器。
3.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1所述的基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法。
4.一种实现权利要求1所述基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法的基于多尺度特征金字塔的DCM心肌诊疗放射影像分割控制系统,其特征在于,所述基于多尺度特征金字塔的DCM心肌诊疗放射影像分割控制系统包括:
图像输入模块,用于输入心脏磁共振图像;
图像预处理模块,用于对输入的心脏磁共振图像进行预处理;
图像特征提取模块,用于使用卷积神经网络进行训练,对图像进行特征提取;
图像残差连接模块,用于将第一层和经过三个深度可分离卷积层之后的特征图进行残差连接;
残差连接的特征提取模块,用于重复多次卷积和残差连接的特征提取;
特征图像融合模块,用于将来自深层的特征图经过上采样后,与来自浅层的特征图进行融合;
特征图上采样模块,用于将经过融合的特征图进行上采样,与原图相同大小;
分割概率响应图获取模块,用于将得到的特征图送入softmax层,得到分割概率响应图;
图像后处理模块,用于对图像进行后处理;
分割掩膜获取模块,用于保存到文件,得到最终的分割掩膜结果。
5.一种至少搭载权利要求4所述基于多尺度特征金字塔的DCM心肌诊疗放射影像分割控制系统的医学影像处理设备。
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/201811363678.0/1.html,转载请声明来源钻瓜专利网。