[发明专利]一种网格网络的大脑磁共振图像肿瘤定位方法有效
申请号: | 201910874099.0 | 申请日: | 2019-09-17 |
公开(公告)号: | CN110706209B | 公开(公告)日: | 2022-04-29 |
发明(设计)人: | 舒华忠;王如梦;谢展鹏;伍家松;孔佑勇 | 申请(专利权)人: | 东南大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/10;G06T7/73;G06T17/00;G06N3/04;G06N3/08 |
代理公司: | 南京众联专利代理有限公司 32206 | 代理人: | 叶涓涓 |
地址: | 211189 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 网格 网络 大脑 磁共振 图像 肿瘤 定位 方法 | ||
1.一种网格网络的大脑磁共振图像肿瘤自动定位方法,其特征在于,包括如下步骤:
步骤1,定义基于残差网络的三维深度卷积神经网络的骨干网络,具体包括如下子步骤:
1-1,将输入的三维MRI图像数据X:(L,W,H,1)进行步长为2,kernel为[3,3,3]的三维卷积操作,三维卷积的卷积核数量设置为C1,生成数据Y1:(L/2,W/2,H/2,C1),其中,L,W,H分别为原始图像的长,宽,高;
1-2,定义一个步长为1,kernel为[3,3,3]的三维卷积SSCNN;
1-3,将数据Y1:(L/2,W/2,H/2,C1)进行一次SSCNN卷积,卷积核的数量设定为C1,生成卷积后的结果Y1_1:(L/2,W/2,H/2,C1),再进行一次SSCNN卷积,卷积核的数量设定为C1,生成卷积后的结果Y1_2:(L/2,W/2,H/2,C1),最后将Y1和Y1_2每一个元素相加操作,生成数据Y2:(L/2,W/2,H/2,C1);
1-4,将数据Y2:(L/2,W/2,H/2,C1)进行一次SSCNN卷积,卷积核的数量必须设定为C1,生成卷积后的结果Y2_1:(L/2,W/2,H/2,C1),再进行一次SSCNN卷积,卷积核的数量必须设定为C1,生成卷积后的结果Y2_2:(L/2,W/2,H/2,C1),最后将Y2和Y2_2每一个元素相加操作,生成数据Y3:(L/2,W/2,H/2,C1);
1-5,将数据Y3:(L/2,W/2,H/2,C1)进行步长为2,kernel为[3,3,3]的三维卷积操作,三维卷积的卷积核数量指定为C2,生成数据Y4:(L/4,W/4,H/4,C2);
1-6,重复步骤1-3,1-4,1-5两次,最后执行一次步骤1-3,1-4得到根据图像提取的特征Y:(L/16,W/16,H/16,C),其中C为最后重复1-4中的卷积核数量;
步骤2,定义网格肿瘤定位网络,具体包括如下子步骤:
2-1,将骨干网络输出的特征图Y:(L/16,W/16,H/16,C)进行一次SSCNN卷积,卷积核的数量设定为C3,得到数据G1(L/16,W/16,H/16,C3);
2-2,再将数据G1(L/16,W/16,H/16,C3)进行一次kernel为1×1×1,在长、宽、高上步长分别为(L/16)/N,(W/16)/M,(H/16)/K的三维卷积操作,卷积核的数量设定为2,得到数据G:(N,M,K,2),其中N,M,K分别表示设定的原始图像在长宽高上的划分个数;
2-3,将得到数据G:(N,M,K,2)通过Softmax操作,转化成原始图像每个网格包含肿瘤块和不包含肿瘤块的类别概率G1:(N,M,K,2),通过类别概率的大小,将类别概率值大的类别赋予当前的图像块,最后将所有包含肿瘤的图像块整合起来,形成完整的肿瘤块的定位;
步骤3,对三维大脑MRI图像进行肿瘤定位,具体包括如下子步骤:
3-1,将三维核磁共振图像分为N×M×K个三维图像块,每个三维图像块的大小为(H/N)×(W/M)×(L/K),其中,H,W,L分别表示原始三维核磁共振图像的长,宽,高;
3-2,对三维核磁共振图像进行网格化的标签,网格的类别包括包含肿瘤的图像块,以及不包含肿瘤的图像块;
3-2,将三维核磁共振图像放入步骤1的网络中,产生(L/16)×(W/16)×(H/16)×C的特征图;
3-3,将获得的特征图像放入步骤2的网络结构中,产生N×M×K×2的每个网格分类,分类为包含肿瘤块和不包含肿瘤块两种,对肿瘤完成定位。
2.根据权利要求1所述的网格网络的大脑磁共振图像肿瘤自动定位方法,其特征在于,所述步骤3-2中还包括如下过程:设定一个阈值,称这个阈值为“网格正例阈值”,同时设图像块中,标记为肿瘤的三维像素点占三维图像块像素的比例为“肿瘤比例”;当肿瘤比例大于或等于网格正例阈值的时候,标定这个图像块为包含肿瘤的图像块,当肿瘤比例小于网格正例阈值的时候,标定这个图像块为不包含肿瘤的图像块。
3.根据权利要求1所述的网格网络的大脑磁共振图像肿瘤自动定位方法,其特征在于,所述步骤1中三维卷积操作通过如下公式实现:
为三维卷积核,为偏置项,f为非线性的激活函数。
4.根据权利要求1所述的网格网络的大脑磁共振图像肿瘤自动定位方法,其特征在于,所述步骤2中Softmax操作通过如下公式完成:
其中P表示对于输入X预测类别c的为正例的伪概率,表示对于输入X在第C 层的特征图的分类激活响应。
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东南大学,未经东南大学许可,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/201910874099.0/1.html,转载请声明来源钻瓜专利网。