[发明专利]基于多尺度迁移学习的MRI胰腺图像分割方法

说明书

本发明公开了一种基于多尺度迁移学习的MRI胰腺图像分割方法，主要解决现有技术对MRI胰腺图像分割精确低的问题。其方案：从人体胰腺部位获取PET和MRI图像，并对其进行标记，得到对应的胰腺标签图像；对PET和MRI图像扩充并归一化，对胰腺标签图像扩充并转换为浮点型；建立的PET网络并对其训练，得到训练好的PET网络；建立一个包括两条支路的MRI网络，将训练好的PET网络中对应的结构和权重迁移到该网络的第二支路，并训练其第一支路，得到训练好的MRI网络；输入MRI图像到训练好的MRI网络，输出胰腺分割结果。本发明提升了工作效率，提高了MRI图像的胰腺分割准确度，可用于对MRI图像的处理。

技术领域

本发明属于医学图像处理技术领域，特别涉及一种MRI胰腺图像分割的方法，可用于提高MRI图像中胰腺组织的分割效果。

背景技术

胰腺癌是出现在腹部胰脏的癌症，是常见肿瘤中恶性程度最高、死亡率最高的癌症。在过去十年，胰腺癌的发病率有所上升，胰腺癌的5年存活率为9％，是所有癌症中存活率最低的。胰腺癌多发现于晚期，通常患者错过了手术治疗的最佳时期。针对胰腺癌患者，以放射治疗为基础的综合治疗成为国际标准治疗方式。

当前，以磁共振成像MRI引导的放射治疗是胰腺癌诊断和治疗的主要手段。MRI对人体不产生放射伤害，不受限于患者内部解剖结构，且一次成像可以提供多种图像序列帮助医生诊断治疗，可以多方位观察病变区域信息。但是胰腺位于人体上腹深处，周围组织结构复杂，临近肝脏，脾脏等器官，且胰腺体积小，与周围组织黏连严重，个体差异大。此外，受限MRI软组织成像边缘模糊，胰腺分割难度进一步增加。

PET/MRI是将正子发射断层扫描PET的分子成像功能与磁共振成像MRI的软组织对比功能结合起来的一种新技术，相比于当前的磁共振成像MRI，其软组织成像对比度更高，对人体的辐射更小，灵敏度更高，准确性较好，可用于各种疾病的早期诊断。但是，PET/MRI成像作为新技术，与适应病症相关的协议不成熟，以及高额的研发成本，使得市面上用于临床治疗的设备较少。且使用PET/MRI图像进行计算机辅助诊断提出了更高的要求，对放疗医生提出了更高的知识储备要求，使得市场接受程度相对较低。

此外，使用PET/MRI图像进行器官分割面临的最大问题是：由于获取的PET图像是三维全身成像，MRI是二维成像，两种模态图像之间差异较大，找到对应的PET与MRI图像对，为MRI图像胰腺部位分割提供位置先验信息，这种方法在实际应用中耗费大量时间与资源；二维MRI胰腺图像对比度低，视觉效果差，并且样本量小。上述问题导致在术前规划过程中，很难使用深度学习的方法利用PET/MRI图像多模态多参数的优势对胰腺部位进行有效的分割。

发明内容

本发明的目的在于针对上述方法在医学图像分割过程中的不足，提出一种基于多尺度迁移学习的MRI胰腺图像分割方法，以在二维MRI胰腺图像对比度低，视觉效果差，且样本量小的情况下，提高图像分割的精度。

为实现上述目的，其实现方案包括如下步骤：

(1)使用正电子发射断层扫描PET设备对人体胰腺部位进行成像，得到PET图像序列，记为PET图像数据集X,使用磁共振成像MRI设备对人体胰腺部位进行成像，得到MRI图像序列，记为MRI图像数据集Y，其中，PET图像是三维全身成像，MRI是二维成像；

(2)对PET图像数据集X中的胰腺部位进行标记，得到PET胰腺参考数据集X_T，对MRI图像数据集Y中的胰腺部位进行标记，得到MRI胰腺参考数据集Y_T；

(3)对PET图像数据集对{X,X_T}进行扩充，得到扩充的PET图像数据集对{P,P_T},对MRI图像数据集对{Y,Y_T}进行扩充，得到扩充的MRI图像数据集对{M,M_T}；