[发明专利]一种用于肾脏肿瘤的全自动分割技术

权利要求书

1.一种用于肾脏肿瘤的全自动分割技术，其特征在于，实验平台包括CPU、GPU、编程语言、CUDA。

所述的CPU内存为16G，作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。

所述的GPU为NVIDIA GeForce GTX 1080Ti，是一款NVIDIA系列的显卡,采用了16nm制程GP102核心，拥有3584个CUDA核心，224个纹理单元，88个ROP单元,搭配352-bit11GB超大容量显存，等效频率提高到11GHz。

所述的编程语言为Python，该语言提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言。

所述的CUDA全称为Compute Unified Device Architecture，是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。本专利使用的版本为CUDA10.0 with cudnn7.5。

2.根据权利要求1所述的系统，其特征在于要对肾脏及肾脏肿瘤进行全自动且快速准确的分割。为此所选用的算法在UNet的基础上添加了残差块和注意力机制，网络中的算法模型使用全卷积神经网络，并在KiTS19数据集上进行训练和评估。整个系统的运行流程为：1.安装Windows10操作系统，配置Anaconda版本为Anaconda3，python版本为3.6，CUDA版本为10.0with cudnn7.5，pytorch版本为1.6以及其他所需要的安装包。2.对数据集进行预处理操作，该操作在装有Anaconda虚拟环境的pycharm中运行。3.对处理过后的数据集使用RAUNet进行分割。4.对经过训练后输出的图片进行后处理。5.通过评价指标在测试集上对该模型进行评估。该过程中使用五折交叉验证，激活函数使用RELU函数，如公式1所示；损失函数采用Dice_loss和CE_loss相结合的方式，各权重均为0.5，如公式2所示，其中其中|X∩Y|是X和Y之间的交集，|X|和|Y|分表表示X和Y的元素的个数。优化器选择Adam算法优化器进行优化。评价指标采用Dice相似系数(Dice Similariy Coefficient,DSC),如公式3，其中TP为True Positive,被判定为正样本，事实上也是正样本；TN为True Negative,被判定为负样本，事实上也是负样本；FP为False Positive,被判定为正样本，但事实上是负样本；FN为False Negative，被判定为负样本，但事实上是正样本。