[发明专利]一种基于对抗网络的无监督医学图像分割方法

权利要求书

1.一种基于对抗网络的无监督医学图像分割方法，其特征在于，该方法包括：

步骤1：获取辅助掩码；

对于给定的未标注训练集，利用待分割目标的形状先验信息或公共数据集获取该分割目标的一组辅助掩码，该辅助掩码与训练集中的图像不存在一一对应关系；

步骤2：生成二元掩码；

在辅助掩码和未标注训练集基础上，训练一个包含生成器、变分自编码器和判别器的对抗网络，利用变分自编码器对生成器产生的结果进行约束，并将判别器的输出作为反馈，对生成器进行校正；训练完成后，采用含判别器反馈的生成器为每一个训练图像生成二元掩码；

步骤3：基于二元掩码质量的样本筛选；

通过对训练图像二元掩码进行质量评估，设置质量阈值，以该阈值为界将二元掩码训练图像分为低质量二元掩码训练图像和高质量二元掩码的训练图像，然后去除低质量二元掩码训练图像，保留高质量二元掩码的训练图像；

步骤4：基于二元掩码的噪声鲁棒性学习；

基于筛选出来的训练图像及其对应的二元掩码，克服二元掩码中噪声的影响，训练一个最终的分割模型。

2.如权利要求1所述的一种基于对抗网络的无监督医学图像分割方法，其特征在于，所述步骤1的具体方法为：

对于轮廓清晰的分割目标，利用形状先验信息生成一组随机的目标掩码作为辅助掩码；

对于不同的分割目标，根据目标的实际形状分布对辅助掩码的大小、长宽比和旋转角度进行约束；

对于难以用参数模型描述形状的目标，直接利用一组从公共数据集获得的掩码作为辅助掩码。

3.如权利要求1所述的一种基于对抗网络的无监督医学图像分割方法，其特征在于，所述步骤2中对抗网络的训练的方法为：

步骤2.1：随机选择一张医学图像，从所有辅助掩码中随机选择一个辅助掩码，利用一个二元掩码生成器将转换成与之相对应的二元掩码=；

步骤2.2：使用图像生成器将二元掩码转换回一张伪医学图像，原则上和为完全一样的内容，因此存在循环一致性约束：

公式1

其中代表的分布，表示离散变量为时的数学期望，表示L1范数；然后训练判别器来评估的质量，判别器随机地接收辅助掩码或二元掩码作为输入，要求判别器能识别出该输入为真或假,对应的对抗约束为：

公式2

图像生成器将辅助掩码转换成相对应的伪医学图像，然后伪医学图像再由二元掩码生成器转换回辅助掩码，表示离散变量为时的数学期望；

步骤2.3：采用预训练的变分自编码器将辅助掩码和二元掩码分别转换为低维隐含向量和，然后使用判别器来判别和的真假，基于变分自编码器的对抗约束为：

公式3

其中，表示离散变量为时的数学期望，表示离散变量为时的数学期望；所述变分自编码器的结构由一个编码器和一个解码器组成，编码器将一个输入辅助掩码转换为服从高斯分布的低维隐含向量，解码器将该低维隐含向量重新变换为一个掩码图像。