[发明专利]一种肾肿瘤的图像分割方法

权利要求书

1.一种肾肿瘤的图像分割方法，其特征在于，包括以下步骤：

S1、获取腹部扫描图像，并划分成数据集和训练集；

S2、对获取的腹部扫描图像进行下采样的预处理操作，得到缩放后的图像；

S3、利用腹部空间的全局位置信息确定S2中预处理后图像的感兴趣区域并进行图像分割，通过U型肾肿瘤分割网络进行训练和预测；

S4、将S1中的腹部扫描图像进行向外扩张一定范围后分割左肾脏及右肾脏的图像，对所有分割出来的图像进行插值并统一到相同数据分布内，得到左右肾VOI图像；

S5、通过U型肾肿瘤分割网络对左右肾VOI图像进行肿瘤分割预测。

2.如权利要求1所述的一种肾肿瘤的图像分割方法，其特征在于：所述步骤S2中的下采样预处理操作将腹部扫描图像在XYZ三个方向的采样间距都下采样到4mm，放缩后的图像尺寸为原来的1/16；步骤S3中在放缩后图像在U型肾肿瘤分割网络进行训练和预测后，将预测结果图重新上采样到原始尺寸大小，并对数据集提供的肾脏和肾肿瘤标签修改为同一类，都属于肾脏区域。

3.如权利要求1所述的一种肾肿瘤的图像分割方法，其特征在于：所述步骤S4中的插值进行预处理统一将水平面XY方向和纵向Z方向采样间距分别插值到1mm和2mm，在U型肾肿瘤分割网络的第一个采样层中，只对水平面XY方向下采样而不对Z方向进行下采样用于对齐三个方向上的数据分布。

4.如权利要求1所述的一种肾肿瘤的图像分割方法，其特征在于：所述U型肾肿瘤分割网络由若干个下采样路径上的编码器模块和上采样路径的解码器模块配合跨层跳跃连接组成；编码器模块输出的特征图通过跨层跳跃连接直接与解码路径的高维语义相融合，利用来自编码器模块的低维表征包括形状、边缘及纹理的上下文信息补充上采样路径所缺乏的细粒度特征，产生高质量的高分辨率分割结果；放缩后的图像输入U型肾肿瘤分割网络进行3次最大池化的下采样操作。

5.如权利要求4所述的一种肾肿瘤的图像分割方法，其特征在于：所述编码器模块和解码器模块在U型肾肿瘤分割网络中的结构和功能是相互对称的，解码器模块将网络最底层编码器模块输出的特征图沿着上采样路径恢复到原始输入尺寸大小，并且通过解码器模块的卷积层对特征通道降维。

6.如权利要求4所述的一种肾肿瘤的图像分割方法，其特征在于：所述U型肾肿瘤分割网络还包括残差模块及混合扩张模块。

7.如权利要求5所述的一种肾肿瘤的图像分割方法，其特征在于：所述编码器模块具有卷积模块及相对应的特征通道，沿着下采样路径，卷积层的通道数分别增大为32、64、96及128；所有编码器模块和解码器模块采用Conv-BN-ReLU的组合方式，卷积核大小为3，当卷积核大小为1用于特征通道升维和降维。

8.如权利要求6所述的一种肾肿瘤的图像分割方法，其特征在于：所述残差模块包括直接映射部分和残差部分组成，具体公式如下：

h_i+1＝h_i+F(h_i，W_i)

其中，i表示层数，h_i表示直接映射部分的第i层的特征图，F(h_i，W_i)表示残差部分的第i层的特征映射学习，为2个或3个卷积操作；通过残差模块的直接映射部分h_i，映射学习残差部分F(h_i，W_i)转化hi，转化为F(h_i，W_i)+h_i转化h_i，等价F(h_i，W_i)转化0。

9.如权利要求6所述的一种肾肿瘤的图像分割方法，其特征在于：所述混合扩张模块在U型肾肿瘤分割网络中采用串行堆叠的3个3×3×3的扩张卷积，3个扩张卷积的扩张率分别设置为1、2及4；混合扩张模块具有一条跨层跳跃连接将未进行感受野扩张的卷积特征与感受野扩张后的卷积特征进行连接。