[发明专利]一种基于三维卷积神经网络的CT造影图像肾动脉分割方法

权利要求书

1.一种基于三维卷积神经网络的CT造影图像肾动脉分割方法，其特征在于，包括以下步骤：

步骤(P1)、对已有的CT造影图像分割出图像中的肾脏区域，对肾动脉进行标注，得到感兴趣区域，生成训练数据集；

步骤(P2)、将训练数据集送入三维卷积神经网络中进行训练，得到训练模型；

三维卷积神经网络包括五个部分，分别为输入模块、现实情况流、浅层意识流、深层意识流和输出模块；

输入模块，用于将原始图像I直接输入至现实情况流和深层意识流，并将输入至现实情况流的原始图像重命名为现实情况流图像RI，输入至深层意识流的原始图像重命名为深层意识流图像DI；

现实情况流，用于对RI连续进行池化操作，获得不同尺寸的RI，并将不同尺寸的RI分别输出至浅层意识流；

浅层意识流，用于多次提取浅层特征图并将其输出至深层意识流；

深层意识流，用于获得多次记忆的深层特征图并将其输出至浅层意识流，并将最后一次获得的深层特征图输入至输出模块；输出模块对其进行卷积操作，并激活，获得肾动脉的分割掩模；

步骤(P3)、对于新的待分割的肾脏CT造影图像，送入已训练完毕的步骤(P2)的训练模型得到肾动脉分割掩模；

步骤(P2)中的三维卷积神经网络包括五个部分，分别为输入模块、现实情况流、浅层意识流、深层意识流和输出模块，其中浅层意识流由七个格物模块、三个步长为2的池化模块和三个步长为2的反卷积模块组成，七个格物模块包括第一至第七个格物模块，三个池化模块包括浅层意识流中的第一至第三个池化模块，三个反卷积模块包括浅层意识流中的第一至第三个反卷积模块；深层意识流由七个加法模块、三个步长为2的池化模块和三个步长为2的反卷积模块组成，七个加法模块包括深层意识流中的第一至第七个加法模块，三个池化模块包括深层意识流中的第一至第三个池化模块，三个反卷积模块包括深层意识流中的第一至第三个池化模块；其中，

输入模块，用于将原始图像I分为现实情况流图像RI和深层意识流图像DI，RI输入至现实情况流，DI输入至深层意识流；现实情况流用于对RI连续进行三次步长为2的池化操作，获得四种不同尺寸的RI，并将RI按照倍数排列为的顺序分别输出至浅层意识流中的七个格物模块；浅层意识流中，RI输入至第一个格物模块，得到第一次提取的浅层特征图SF1，将SF1输出至深层意识流中第一个加法模块和浅层意识流中第一个池化模块，深层意识流中第一个加法模块将SF1与DI相加，获得第一次记忆的深层特征图DF1并跨层传输至第七个格物模块的输入端和深层意识流中第一个池化模块，同时深层意识流中第一个池化模块对DF1进行步长为2的池化操作获得输入至第二个格物模块和深层意识流中第二个加法模块，而浅层意识流中第一个池化模块对SF1进行步长为2的池化操作后获得输入至第二个格物模块，输入至第二个格物模块；同样的，第二个格物模块通过处理和得到第二次提取的浅层特征图将输出至深层意识流中第二个加法模块和浅层意识流中第二个池化模块，深层意识流中第二个加法模块将与相加，得到第二次记忆的深层特征图并跨层传输至第六个格物模块的输入端和深层意识流中第二个池化模块，同时深层意识流中第二个池化模块对进行步长为2的池化操作获得输入至第三个格物模块，而浅层意识流中第二个池化模块对进行步长为2的池化操作后获得输入至第三个格物模块；输入至第三个格物模块；同样的，第三个格物模块通过处理和得到第三次提取的浅层特征图将输出至深层意识流中第三个加法模块和浅层意识流中第三个池化模块，深层意识流中第三个加法模块将与相加，得到第三次记忆的深层特征图并跨层传输至第五个格物模块的输入端和深层意识流中第三个池化模块，同时深层意识流中第三个池化模块对进行步长为2的池化操作获得输入至第四个格物模块和深层意识流中第四个加法模块，而浅层意识流中第三个池化模块对进行步长为2的池化操作后获得输入至第四个格物模块，输入至第四个格物模块；同样的，第四个格物模块通过处理和得到第四次提取的浅层特征图将输出至深层意识流中第四个加法模块和浅层意识流中第一个反卷积模块，深层意识流中第四个加法模块将与相加，得到第四次记忆的深层特征图并输入至深层意识流中第一个反卷积模块，同时深层意识流中第一个反卷积模块对进行步长为2的反卷积操作获得输入至第五个格物模块和深层意识流第五个加法模块，而浅层意识流中第一个反卷积模块对进行步长为2的反卷积操作后获得输入至第五个格物模块，输入至第五个格物模块；同样的，第五个格物模块通过处理和得到第五次提取的浅层特征图将输出至深层意识流中第五个加法模块和浅层意识流中第二个反卷积模块，深层意识流中第五个加法模块将与相加，得到第五次记忆的深层特征图并输入至深层意识流中第二个反卷积模块，同时深层意识流中第二个反卷积模块对进行步长为2的反卷积操作获得输入至第六个格物模块和深层意识流中第六个加法模块，而浅层意识流中第二个反卷积模块对进行步长为2的反卷积操作后获得输入至第六个格物模块，输入至第六个格物模块；同样的，第六个格物模块通过处理和得到第六次提取的浅层特征图将输出至深层意识流中第六个加法模块和浅层意识流中第三个反卷积模块，深层意识流中第六个加法模块将与相加，得到第六次记忆的深层特征图并将其输入至深层意识流中第三个反卷积模块，同时深层意识流中第三个反卷积模块对进行步长为2的反卷积操作获得DF6输入至第七个格物模块和深层意识流第七个加法模块，而浅层意识流中第三个反卷积模块对进行步长为2的反卷积操作后获得SF6输入至第七个格物模块，RI输入至第七个格物模块；同样的，第七个格物模块通过处理SF6、RI、DF6和DF1得到第七次提取的浅层特征图SF7，将SF7输出至深层意识流中第七个加法模块，深层意识流中第七个加法模块将SF7与DF6相加，得到第七次记忆的深层特征图DF7，将DF7输入至输出模块；输出模块对DF7进行卷积操作，并使用softmax函数激活，获得肾动脉的分割掩模。