[发明专利]一种全连接CRF级联FCN和K均值脑肿瘤分割算法

权利要求书

1.一种全连接CRF级联FCN和K均值脑肿瘤分割算法，其特征在于，包括以下步骤：

Step 1：建立级联型FCN脑肿瘤分割模型，用该模型对测试图像进行分割，获取FCN脑肿瘤图像分割结果，并对级联型FCN的每一级分割结果搜寻边缘框，并将边缘框作为下一级FCN和K均值聚类算法的边界限定框；

Step 2：对每一级FCN的分割结果进行全连接CRF后处理操作；

Step 3：使用K均值聚类算法对每一级FCN的输入图像在边界框内的部分进行分割处理，获取K均值聚类算法脑肿瘤图像分割结果；

Step 4：将每一级的FCN分割结果和K均值聚类算法的分割结果进行融合，获取脑肿瘤图像的最终分割结果；

所述Step 1中的具体过程如下：

Step 1.1：使用三个FCN来分级和顺序地分割脑肿瘤的子结构，三个网络顺序定义为WNet、TNet、ENet，每一级网络都处理二元分割问题；

Step 1.1.1：选择搭建通用的FCN；

Step 1.1.2：WNet和TNet使用20个片内卷积层和4个带有两个2D下采样层的片间卷积层，ENet使用与第一个网络相同的卷积层组，但考虑到其较小的输入大小，仅使用一个下采样层；

Step 1.1.3：把FCN的每两个卷积层作为一个模块，加入残差模块，将每个模块的输入连接到输出，使模块参考输入来学习残差函数，使信息传播平稳并加速训练的收敛；

Step 1.1.4：在每一个残差模块加入扩张卷积，用于片内核以扩大切片内的感受野；

Step 1.2：训练级联型FCN脑肿瘤分割模型，脑肿瘤训练集来自BraTS公开挑战赛，训练时，TNet和ENet的边界框来自手动分割的真实结果；

Step 1.3：利用级联型FCN脑肿瘤分割模型对测试集图像进行分割；

Step 1.3.1：用训练好的级联型FCN分割模型分级顺序分割脑肿瘤的整个肿瘤，肿瘤核心以及增强型肿瘤核心三个部分；

Step 1.3.2：每一级FCN分割模型分割完成后，对分割结果提取边界框作为下一级要分割的图的边界框；

所述Step 2中的具体过程如下：

Step 2.1：搭建全连接CRF后处理循环网络；

Step 2.1.1：将FCN的softmax层的概率分布输出作为全连接CRF的一元势函数ψ_u(x_i)输入，将原图像作为全连接CRF的二元势函数ψ_p(x_i，x_y)输入；其中二元势函数由以下公式得到：

Step 2.1.2：使用所有高斯滤波器分别对每一个类别的概率分布E(X)进行滤波；其中E(X)由以下公式得到：

Step 2.1.3：对每一个类别的所有滤波结果根据权重相加；

Step 2.1.4：对每一个类别的概率分布根据不同类别之间的兼容性矩阵进行更新；

Step 2.1.5：加上一元势函数；

Step 2.1.6：对各像素所不同类别I的概率归一化；

Step 2.1.7：将归一化后的结果作为softmax层的概率分布输出的替换，重复步骤2.1.2-2.1.6，直到概率不再改变。