[发明专利]一种基于图像补全的肿瘤图像脑区分割方法及系统

说明书

本发明公开了一种基于图像补全的肿瘤图像脑区分割方法及系统。该方法包括：获取待分割肿瘤图像和肿瘤掩膜；将待分割肿瘤图像和肿瘤掩膜输入至补全网络中，得到补全后的待分割图像；补全网络是以正常脑图像和随机掩膜作为训练集，以整体损失函数最小为目标，对PconvUnet网络进行训练得到的；将补全后的待分割图像输入至分割网络中，得到待分割肿瘤图像的脑分区；分割网络是以正常脑图像和对应的图像标签作为训练集，以相似性测度损失函数或交叉熵损失函数最小为目标，对Unet网络进行训练得到的。本发明能提高肿瘤图像脑区分割的准确性。

技术领域

本发明涉及图像分割领域，特别是涉及一种基于图像补全的肿瘤图像脑区分割方法及系统。

背景技术

脑部肿瘤多生长在颅腔，又称颅内肿瘤、脑癌，可起源于脑、脑膜、神经、血管及脑附件，或由身体的其他组织或脏器转移侵入颅内形成。脑瘤的发生率约为1.9～5.4人/(年·10万人)，占全身各种肿瘤的1％～3％。临床主要使用CT(电子计算机断层扫描)和MRI(磁共振成像)得到的脑影像数据进行医学图像处理。

医学图像(如MRI图像)由于图像获取设备的影响，会出现对比度低、信噪比低、光强低等问题；且器官本身存在运动和形变(如心脏)，个体之间也有差异。这些因素导致了医学图像分割的难度和其自身的算法设计特点。脑肿瘤图像由于肿瘤部分及其周围发生的形变使得分割变得尤为困难。

现有的肿瘤图像脑区分割方法有以下几种：1)手动标注肿瘤脑区。2)通过传统的脑分区模型进行分割：该方法利用正常脑图像训练得到的脑区分模型进行肿瘤图像脑区分割。3)通过配准进行分割：该方法利用正常脑图像训练得到的配准模型或软件对肿瘤图像进行配准后再分割。4)训练肿瘤图像脑分区网络：该方法使用肿瘤图像和肿瘤图像脑区标注进行训练，得到模型用于分割。

现有的肿瘤图像脑区分割方法具有如下缺点：1)手动标注肿瘤脑区：手动标注肿瘤脑区面临着人工成本高、主观性较强的问题。2)通过传统的脑分区模型进行分割：该方法由于肿瘤图像和正常脑图像在肿瘤部分差距较大，造成肿瘤部分分割结果较差。3)通过配准进行分割：脑肿瘤图像的配准由于肿瘤部分的存在导致与正常脑图像的差距较大，配准的效果差，进而影响分割效果。4)训练肿瘤图像脑分区网络：该方法由于肿瘤的位置和形态较为多样，肿瘤数据较少等问题，导致网络学习肿瘤图像脑区分割较为困难。因此，如何实现高精度的肿瘤图像脑区分割成为目前亟待解决的问题。

发明内容

基于此，有必要提供一种基于图像补全的肿瘤图像脑区分割方法及系统，以提高肿瘤图像脑区分割的准确性。

为实现上述目的，本发明提供了如下方案：

一种基于图像补全的肿瘤图像脑区分割方法，包括：

获取待分割肿瘤图像和肿瘤掩膜；

将所述待分割肿瘤图像和所述肿瘤掩膜输入至补全网络中，得到补全后的待分割图像；所述补全网络是以正常脑图像和随机掩膜作为训练集，以整体损失函数最小为目标，对PconvUnet网络进行训练得到的；所述整体损失函数是由感知损失函数、风格损失函数、全变分损失函数以及网络输出预测图像与真实图像的损失函数确定的；

将所述补全后的待分割图像输入至分割网络中，得到待分割肿瘤图像的脑分区；所述分割网络是以所述正常脑图像和对应的图像标签作为训练集，以相似性测度损失函数或交叉熵损失函数最小为目标，对Unet网络进行训练得到的。

可选的，所述补全网络的确定方法为：

获取正常脑图像；

随机生成二值掩膜，得到随机掩膜；

将所述正常脑图像和所述随机掩膜结合生成带孔洞脑图像；