[发明专利]一种医学图像分割与肿瘤检测方法，设备及可读存储介质

说明书

本发明提供一种医学图像分割与肿瘤检测方法，设备及可读存储介质，本发明对稠密卷积网络进行了改进,提出了一种面向肿瘤分割和检测的稠密卷积模型来进行医学图像分割与肿瘤检测。本发明采用相似块分组技术对图像进行特征提取,然后使用SELU激活函数替换ReLU优化负数部分特征,利用稠密块结构学习不同层特征映射并将其串联起来,同时加入最大池化进行二次提取特征。最后采用相似度聚合方法进行特征重构,充分挖掘图像像素级的空间结构关系。最后,采用聚合方法进行区域融合。采用多个评价指标:均交并比、均像素精度、平均精度等,并均表现出一定的优势。在医学图像优化上具有良好的鲁棒性。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种基于稠密卷积模型的医学图像分割与肿瘤检测方法，设备及可读存储介质。

背景技术

医学图像处理是通过图像处理设备，对患者进行拍照，形成图像信息并进行诊断。临床广泛使用的医学成像种类主要有超声波成像、核磁共振成像、核医学成像和X-射线成像。

在目前的影像医疗诊断中，主要是通过观察一组二维切片图像去发现病变体，这往往需要借助医生的经验来判定。利用计算机图象处理技术对二维切片图像进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体区域进行定性，或定量的分析，提高医疗诊断的准确性和可靠性。

目前，医学图像处理主要应用在病变检测、图像分割、图像配准及图像融合等。从医学图像处理的总体目标而言,所有后期应用几乎都与人体组织和病灶的分割质量密切相关,因此,针对医学图像的高效而鲁棒的分割算法至关重要。

目前在肿瘤图像检测过程，容易造成不可逆初始肿瘤特征丢失现象。在稠密块处理与分类标记过程中,无法实现对检测目标的分割。即使进行分割，也会使得肿瘤分割的准确度大大降低，进而影响临床诊断。

发明内容

为了克服上述现有技术中的不足，本发明提供有效减少不可逆初始肿瘤特征丢失现象,实现了并行语义分割与目标检测,并提升肿瘤分割与检测准确度的基于稠密卷积模型的医学图像分割与肿瘤检测方法，方法包括：

步骤一，将肿瘤图像进行相似块标记处理；

步骤二，对肿瘤图像进行特征重构处理；

步骤三，将特征重构的肿瘤图像执行稠密块优化；

步骤四，对优化后的肿瘤图像进行特征融合。

进一步需要说明的是，步骤一还包括：

1)在原始图像Z^2D中查找相似块Y^2D

在原始图像Z^2D中选择t个k×k大小的参照块X^2D；

采用步长s确定X^2D,并在X^2D的周围选择大小为n×n的区域搜索相似块Y^2D,将相似度大于阈值λ^2D的Y^2D与X^2D整合为相似块集合Z^3D；.

通过如下方式，对X^2D与Y^2D采用标准化硬阈值二维线性变换进行计算,并根据欧氏距离判定就可以找到Z^3D,

Z^3D＝{x∈Z^2D:d(Y^2D,X^2D)≤τ}, (2)