[发明专利]一种基于肺结节生长形态的交互式分割方法

权利要求书

1.一种基于肺结节生长形态的交互式分割方法，其特征在于，包括如下步骤：

S100:获取数据集，该数据集包括N个患者的M个胸部扫描CT图像,MN；

所述数据集中的每个CT图像由至少1位经验丰富的放射科医生为其标注结节信息，此结节信息包括每个结节勾画的轮廓信息、结节良恶性以及结节的各属性信息，并将结节信息保存在XML文件中；

S200:将数据集中的所有胸部扫描CT图像输入现有的U-Net模型进行粗分割得到对应粗分割图像；

S300:构建各向异性生长交互式分割网络，将S100数据集中的胸部扫描CT图像和对应的粗分割图像融合后输入该各向异性生长交互式分割网络中，对网络的参数进行训练和参数优化,输出热力图；

所述各向异性生长交互式分割网络由生长形态感知-学习模型、记忆融合模块以及肺结节各项异性分割网络模型三个部分组成；

所述生长形态感知-学习模型：在现有模型U-Net获得的粗分割的基础上，引入医生交互的交互，学习肺结节在不同组织环境中的生长特性；

所述记忆融合模块：使用阈值法提取胸部扫描CT图像中肺结节周围血管、软组织以及骨骼信息，并融合粗分割图像作为输入，运用循环神经网络中LSTM网络动态学习医生交互的时间序列信息，不断学习和记忆医生对分割结果进行调整的交互步骤与结果，渐进式感知学习肺结节的不确定性生长形态，获得肺结节生长形态的热力图

所述肺结节各项异性分割网络模型：用于提取肺结节生长形态的热力图中肺结节的生长特性，获得精准的分割结果；

所述生长形态感知-学习模型具体为：

S311:将所述的胸部扫描CT图像和对应的粗分割图像融合粗分割图像作为输入；

S312:医生对每个胸部扫描CT图像对应的粗分割图像进行修正得到对应的交互结果，同时提取医生修正粗分割图像时的辅助点击的坐标序列，根据所述交互结果，使用高斯函数(5)与测地线距离(6)生成热力图，该热力图表达肺结节的生长特性：

其中,x,y分别代表胸部扫描CT像素的模板坐标，σ表示输入CT图片像素值的方差；

其中,Y表示胸部扫描CT像素通道,C_s,t表示位置s和位置t处像素值之差,p表示欧式距离；

S400:将待预测患者的CT图像先输入现有的U-Net模型进行粗分割得到待测患者的粗分割图像，再将生成的热力图、待测患者的粗分割图像、待预测患者的胸部扫描CT图像一并输入优化后的各向异性生长交互式分割网络，最后输出分割结果。

2.如权利要求1所述的基于肺结节生长形态的交互式分割方法，其特征在于，所述S300中的记忆融合模块具体为：

使用循环神经网络搭建了共2层的记忆融合模块，该循环神经网络的神经元为LSTM；

所述记忆融合模块以提取医生修正粗分割图像时的辅助点击的坐标序列作为输入，通过梯度下降法进行训练调优，自动学习并记忆医生修正粗分割图像的交互过程。

3.如权利要求1所述的基于肺结节生长形态的交互式分割方法，其特征在于，所述S300中的肺结节各项异性分割网络模型具体为：

S331:将每个胸部扫描CT图像、对应的粗分割图像和对应的热力图使用上采样将图片放大到512*512；

S332:使用ResNet101对经过S331处理后的每个胸部扫描CT图像、对应的粗分割图像和对应的热力图进行边缘轮廓特征提取；

使用多尺度思想的RFBNet对胸部扫描CT图像和对应的热力图进行边缘轮廓特征提取；

S333:将使用ResNet101提取的特征与使用多尺度思想的RFBNet提取的特征对应的进行融合，增强肺结节分割的最终结果。