[发明专利]一种基于深度卷积神经网络的病灶图像分割方法及系统

权利要求书

1.一种基于深度卷积神经网络的病灶图像分割方法，其特征在于，所述基于深度卷积神经网络的病灶图像分割方法包括以下步骤：

采集待测部位的原始图像；

将所述原始图像输入经过训练的病灶图像分割模型，通过所述病灶图像分割模型确定所述待测部位的病灶图像；其中，所述病灶图像从所述原始图像分割出；

所述病灶图像分割模型包括三层深度神经网络、三维空间特征融合模块、单级特征细化模块以及多级特征细化模块，所述将所述原始图像输入经过训练的病灶图像分割模型，通过所述病灶图像分割模型确定所述待测部位的病灶图像具体包括：

所述原始图像输入至所述三层深度神经网络，通过所述三层深度神经网络确定所述原始图像的三个初始多尺度特征图；

三个初始多尺度特征图输入至所述三维空间特征融合模块，通过所述三维空间特征融合模块确定每个初始多尺度特征图对应的修正多尺度特征图；

将单个初始多尺度特征图以及对应的修正多尺度特征图组合输入至所述单级特征细化模块，通过所述单级特征细化模块确定所述初始多尺度特征图对应的多层深度注意特征图；其中，所述多层深度注意特征图的深度高于所述初始多尺度特征图；

将三个多层深度注意特征图输入至所述多级特征细化模块，通过所述多级特征细化模块确定所述原始图像的病灶图像；

所述三层深度神经网络包括一个下采样层、级联的三个编码层以及级联的三个解码层，所述编码层与所述解码层一一对应；

所述三维空间特征融合模块包括三个三维空间特征融合网络，一个三维空间特征融合网络与一个所述解码层单层级联，每个三维空间特征融合网络均包括特征修正单元、特征提取单元以及特征融合单元；

所述单级特征细化模块包括三个单级特征细化网络，一个单级特征细化网络与一个所述三维空间特征融合网络单层级联，每个单级特征细化网络均包括单级通道拼接单元、级联的三个单级整流线性单元以及卷积注意力模块；

所述多级特征细化模块包括多级通道拼接单元以及级联的三个多级整流线性单元。

2.根据权利要求1所述的基于深度卷积神经网络的病灶图像分割方法，其特征在于，所述病灶图像分割模型的训练具体包括：

构建预设网络模型以及构建混合损失函数；

获取初始训练集；其中，所述初始训练集包括若干个训练CT图像；

获取每个训练CT图像预设尺寸的CT图像块作为目标训练集，对所述目标训练集进行增强，以得到增强后的目标训练集；

基于增强后的目标训练集对预设网络模型进行训练，通过所述混合损失函数修正所述预设网络模型的参数，以得到所述病灶图像分割模型。

3.根据权利要求2所述的基于深度卷积神经网络的病灶图像分割方法，其特征在于，所述构建混合损失函数具体包括：

构建第一损失函数；其中，所述第一损失函数是用于修正所述预设网络模型中三维空间特征融合模块与单级特征细化模块之间的性能参数的Jaccard损失；

构建第二损失函数；其中，所述第二损失函数是用于平衡所述预设网络模型中所述单级特征细化模块与多级特征细化模块之间的数的Focal损失；

基于所述第一损失函数和所述第二损失函数的加权和确定所述混合损失函数。