[发明专利]一种医学影像针对病灶区域分割方法

权利要求书

1.一种医学影像针对病灶区域分割方法，其特征在于：包括如下步骤：

步骤一：获取训练数据，在训练阶段，训练数据采用无分割标签，仅有类别标签的患病无病两类图像集合；

步骤二：对训练数据进行增强，包括适当的旋转平移缩放以消除患病无病两类数据中病灶大小、方向、位置无关特征产生的负面影响；

步骤三：对训练数据进行建模并训练，模型中的各层网络搭建起连接两种数据集合的双向通路；

步骤四：载入新的病患数据，利用双向生成器完成两种源数据域的双向转换，在训练过程中循环往复，逐步达到稳定，使得整个网络模型能实现A、B两个数据集合之间变形过渡；

步骤五：建立有分割能力的模型，CycleGAN的循环过程中引入Attention机制，Attention机制被建模为神经网络中某一层或多层的中间特征图对应的连续的权重参数，其范围常在(0,1)区间内；在类别标签和损失的指导下，可以自动优化并关注到特征图中某一类别物体的位置，同时赋予此位置较高的权重，对于特征图中不是此类物体的区域，赋予较低的权重；最终将权重可视化后得到与特征图大小一致的连续的灰度图像，即Mask；

步骤六：对模型进行分割预测，拆分为生成器输出attention mask分支和粗糙生成图content分支，真实原图real和粗糙生成图content在attention mask指导下共同合成最终的转换后图像，当由损失约束的content趋于稳定时，attention mask被动关注到患病图像的病灶区域，达到分割的效果。

2.根据权利要求1所述的一种医学影像针对病灶区域分割方法，其特征在于：CycleGAN为两种数据域间转换的主流生成判别式神经网络模型。