[发明专利]分割方法、装置、设备以及存储介质有效
申请号: | 201910413534.X | 申请日: | 2019-05-17 |
公开(公告)号: | CN110136135B | 公开(公告)日: | 2021-07-06 |
发明(设计)人: | 刘泽雄;杨烜;裴继红;杨博乾 | 申请(专利权)人: | 深圳大学 |
主分类号: | G06T7/10 | 分类号: | G06T7/10;G06N3/04 |
代理公司: | 深圳市恒申知识产权事务所(普通合伙) 44312 | 代理人: | 袁文英 |
地址: | 518060 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 分割 方法 装置 设备 以及 存储 介质 | ||
1.一种分割方法,其特征在于,包括:
接收待分割的心脏图像;
利用已训练的层次残差神经网络对所述待分割的心脏图像进行处理,其中,所述层次残差神经网络包括:至少一个残差层和至少一个全卷积层,所述至少一个残差层用于对所述图像训练集进行编码处理,所述至少一个全卷积层用于对所述残差层输出的编码图像进行解码处理,以输出所述待分割的心脏图像的分割决策值;
根据所述分割决策值确定所述心脏图像中右心室的轮廓图;
其中,在所述利用已训练的层次残差神经网络对所述待分割的心脏图像进行处理,之前还包括:
接收图像训练集;其中,所述图像训练集包括:心脏图像和所述心脏图像中右心室的初始轮廓图;
构建所述层次残差神经网络;
利用所述图像训练集对所述层次残差神经网络进行训练,以输出所述训练图像的分割决策值;
利用所述分割决策值计算网络损失函数,根据所述损失函数对所述层次残差神经的网络参数进行调整,以输出已训练的层次残差神经;损失函数计算公式为:
其中i表示图像中第i个像素,为初始轮廓图像像素点i是否属于右心室,为初始轮廓图中像素点i是够背景的标注,表示像素点i属于右心室,表示像素点i属于背景,是心脏图像中第i个像素属于背景的概率,是心脏图像中第i个像素属于右心室的概率,APD是根据分割决策值计算的右心室轮廓与心脏图中右心室的初始轮廓之间的平均垂直距离;
(xi,yi)是根据分割决策值计算的右心室轮廓上第i个像素的坐标,是心脏图中右心室的初始轮廓上第j个像素的坐标,N是根据分割决策值计算的右心室轮廓上点的个数。
2.根据权利要求1所述的方法,其特征在于,所述至少一个残差层之间通过下采样级联,所述至少一个全卷积层之间通过上采样级联;位于上一级的所述全卷积层的输出数据和位于同一级的所述残差层的输出数据为所述全卷积层的输入。
3.根据权利要求2所述的方法,其特征在于,所述残差层包括至少一个残差块,其中,所述至少一个残差块之间级联。
4.根据权利要求1所述的方法,其特征在于,所述全卷积层包括至少一个卷积层,其中,所述至少一个卷积层之间级联。
5.根据权利要求1所述的方法,其特征在于,所述根据所述分割决策值确定所述心脏图像中右心室的轮廓图,具体包括:
根据所述分割决策值确定分割概率值;
根据所述分割概率值所述心脏图像中右心室的轮廓图。
6.根据权利要求1所述的方法,其特征在于,所述根据所述分割决策值计算网络损失函数,根据所述损失函数对所述层次残差神经的网络参数进行调整,以输出已训练的层次残差神经,具体包括:
根据所述分割决策值计算具有形状约束的网络损失函数;
根据所述损失函数对所述层次残差神经的网络参数进行调整,以输出已训练的层次残差神经。
7.一种分割装置,其特征在于,所述分割装置用于实现如权利要求1-6任一项所述分割方法,所述装置包括:
接收模块,用于接收待分割的心脏图像,
处理模块,用于利用已训练的层次残差神经网络对所述待分割的心脏图像进行处理,其中,所述层次残差神经网络包括:至少一个残差层和至少一个全卷积层,所述至少一个残差层用于对所述图像训练集进行编码处理,所述至少一个全卷积层用于对所述残差层输出的编码图像进行解码处理,以输出所述待分割的心脏图像的分割决策值;
确定模块,用于根据所述分割决策值确定所述心脏图像中右心室的轮廓图。
8.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
其中,所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至6任一项所述的分割方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至6任一项所述的分割方法。
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深圳大学,未经深圳大学许可,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/201910413534.X/1.html,转载请声明来源钻瓜专利网。