[发明专利]基于混合损失函数的对称监督模型的目标提取方法

权利要求书

1.基于混合损失函数的对称监督模型的目标提取方法，其特征在于：所述方法具体过程为：

步骤1、获取心脏核磁共振影像数据，并进行标注；

步骤2、对步骤1获取的带标记的心脏核磁共振影像数据进行预处理，预处理包括获取二维切片、裁剪、缩放以及数据归一化操作；

步骤3、将步骤2预处理后的心脏核磁共振影像数据作为对称监督模型的输入；

对称监督模型由编码器和解码器两部分构成，其中编码器包括输入层、卷积层、归一化层、最大池化层、输出层，解码器包括卷积层、反卷积层、归一化层、Dropout层和输出层；

解码器和编码起之间通过串联操作完成跳层连接；

对称监督模型的最终输出由编码器和解码器各自输出层的加权和构成；

所述对称监督模型还包括通道加权模块；通道加权模块由全局池化层和全连接层组成；

对称监督模型的损失函数由三个独立的损失函数组成，分别为目标分割损失函数，边缘检测损失函数以及不确定性损失函数；

对对称监督模型进行网络训练，并采用基于反向传播算法的随机梯度下降的方式进行网络参数的学习，当损失函数不再下降或者达到指定迭代次数后停止训练，得到训练好的对称监督模型，保存训练好的对称监督模型；

步骤4、对待处理的心脏核磁共振影像数据进行预处理，采用步骤3训练好的对称监督模型对预处理后的心脏核磁共振影像数据进行预测，并输出每个像素判别为左心房的概率，设定一个概率阈值将结果二值化；

步骤5、根据步骤2的逆操作将步骤4获得的二值化切片结果重建到三维体数据，完成左心房的提取；

所述步骤3中的对称监督模型包含三个损失函数：目标分割损失函数L_seg，边界检测损失函数L_edge以及不确定性估计损失函数L_un；

目标分割损失函数和不确定性估计损失函数作用于编码器和解码器端的输出，边界检测损失函数仅作用于解码器端的输出；

目标分割损失函数L_seg表达式为：

其中，N为切片上的像素总数，yⁱ为经步骤2预处理后的像素i的提取标签值，0为背景，1为目标即左心房；为编码器端输出的像素i的预测结果，为解码器端输出的像素i的预测结果；α和β分别是在编码器端输出和解码器端输出的损失权重；

通过最小化目标分割损失函数L_seg；

边界检测损失函数L_edge表达式为：

其中，w为边界的权重值；yⁱ_edge为经步骤2预处理后的像素i的边界标签值，0为背景，1为左心房边界；为解码器端输出的边界检测结果；

通过最小化边界检测损失函数L_edge，检测左心房边界；

不确定性估计损失函数L_un表达式为：

其中，为经步骤2预处理后的像素i的标签值，0为背景，1为左心房；为二值化预测结果；Iⁱ为经步骤2预处理后的输入数据的像素值；*代表掩码映射；

不确定性估计损失函数L_un将步骤3对称监督模型获得的二值化预测结果通过掩码映射到步骤2中预处理后的心脏核磁共振影像数据，获得预测的左心房数据信息，然后将其与真实心房部分的数据信息计算均方差误差，获得预测的左心房数据信息和真实心房部分的数据信息二者的相似性；

所述真实心房部分的数据信息通过步骤1人工标记后的二值图像和步骤2中预处理后的心脏核磁共振影像数据掩码映射获得；

通过最小化不确定性估计损失函数L_un，最大化预测的左心房数据信息和真实心房部分的数据信息之间的相似性；

对称监督模型整体的损失函数如下：

L＝L_seg+L_edge+L_un,

对称监督模型通过最小化损失函数L达到左心房提取。