[发明专利]一种基于CovSegNet的肺部病变图像分割方法

权利要求书

1.一种基于CovSegNet的肺部病变图像分割方法，其特征在于：包括下列步骤：

S100、数据采集：采集来自肺部感染的多种数据集，对获取的数据集中的图像进行数据标注，构建模型训练所需数据集；

S200、数据预处理：对数据划分，归一化和图像缩放，并且进行数据扩充；

S300、模型构建：基于CovSegNet的分割网络模型，输入训练数据，搭建参数模型；

S400、模型保存：保存损失函数不再降低之后的模型；

S500、模型评估：通过多种评价指标对保存的模型进行评估，了解其相关性能。

2.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S100数据采集中，采集20个CT卷，1800+切片形成数据集-1，且由放射学专家进行图像标注，然后从40名不同的COVID-19患者采集110幅轴向CT图像形成COVID-19CT分割数据集-2。

3.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S200数据预处理中，统一将两个数据集中的图像大小调整为512×512。

4.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S200数据预处理中，分别对训练集数据进行45度，90度，135度旋转，并调整数据对比度、亮度，对数据进行扩增，然后将进行变换后的数据与原训练集混合，构建新的数据集。

5.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S200数据预处理中，使用五折交叉验证法将数据集D划分为5个大小相似的互斥子集，然后用4个子集的并集作为训练集，余下的子集作为测试集，获得5组训练/测试集，然后进行5次训练和测试，最终返回到5个测试结果的均值。

6.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S200数据预处理中，对所有数据进行每个像素点除以225的归一化操作，统一量纲。

7.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S300模型构建中，将CT图像的分割成两个后续阶段，在训练的第一阶段中将在CovSegNet架构的二维变体中进行基于二维切片的优化过程用于提取CT切片中感染病灶的分割掩膜，优化后，采用阈值法将预测概率掩码转换为二进制掩码，然后从输入的CT体积中提取若干二维切片，利用预先训练好的CovSegNet2D提取肺部病变的概率掩模，然后将其聚合，生成去除大部分冗余部分的ROI增强CT体积，再将CovSegNet的3D变体投入操作，结合层内和层间的背景特征对ROI增强，对CT体积进行进一步处理；然后在训练的第二阶段中对该CovSegNet3D进行训练和优化，以生成3D体积概率掩模，引入切片间处理，同时对第一阶段获得的预训练CovSegNet2D进行微调，生成ROI增强的切片。

8.根据权利要求1所述的一种基于CovSegNet的肺部病变图像分割方法，其特征在于：所述S400模型保存中，首先使用Focal Tversky损失函数对模型进行计算，然后将CovSegNet2D和CovSegNet3D分割模型的目标损失函数表示为ζ_2D＝L(y,y^P)；ζ_3D＝L(Y,Y^P)；之后将分段与体积相结合形成联合优化目标损失函数用于图像分割。