[发明专利]一种基于ORSU-Net的肿瘤图像分割方法和系统

权利要求书

1.一种基于ORSU-Net的肿瘤图像分割方法，其特征在于，包括如下步骤：

步骤1)，数据集获取：采集医学膀胱镜检测视频，并从视频流中选取膀胱肿瘤关键帧制作训练样本，并对其使用不规则框进行标注，将图像中的每个像素划分其对应的类别，实现像素级别的分类；

步骤2)，数据集预处理：对制作的数据集进行图像增强以及图像去噪预处理以解决在测试过程中会遇到的分割问题；

步骤3)，训练网络模型：构建一种新的ORSU-Net分割网络模型，使用步骤2中生成的训练样本训练构建好的网络模型，生成预测掩码；

所述ORSU-Net分割网络模型的结构包括依次连接的：输入层—第二组合模块—输出层；

第二组合模块包括编码器模块和解码器模块，其中编码器模块包含n1个八度卷积层和n2个下采样层，解码器模块与之对称的包含n2个上采样层和n1个八度卷积层，通过残差连接融合局部特征和多尺度特征；

步骤4)，计算损失函数：计算预训练肿瘤预测分割结果与肿瘤分割真值之间的损失；

步骤5)，优化网络：将损失函数作为优化目标函数，使分割网络模型参与网络优化中梯度后向传播过程，实现肿瘤图像分割的优化。

2.如权利要求1所述的一种基于ORSU-Net的肿瘤图像分割方法，其特征在于：步骤2)中使用双重残差网络对数据集进行降噪处理，具体实现方式如下；

所述双重残差网络的网络结构包括：两个输入卷积层—n3个用于运动模糊去除的双重残差模块—两个输出卷积层，第二个输出卷积层的结果与输入进行残差连接；

设置用于运动模糊去除的双重残差模块结构为：第一卷积层—上采样层和第二卷积层—下采样，其中第二卷积层的卷积核大小为k1，膨胀系数为d，下采样是卷积核大小为k₂，步长为2的卷积层。

3.如权利要求2所述的一种基于ORSU-Net的肿瘤图像分割方法，其特征在于：双重残差网络中包括六个双重残差模块。

4.如权利要求1所述的一种基于ORSU-Net的肿瘤图像分割方法，其特征在于：损失函数的表达式如下；

其中H表示网络层数，l_BCE、l_KL的函数表达式分别为：

其中，(i,j)是像素坐标，(M,N)是图像的宽高，G(i,j)和S(i,j)分别为真值和预测的目标分割像素值，和分别为BCE损失函数和KL损失函数的权重。

5.一种基于ORSU-Net的肿瘤图像分割系统，其特征在于，包括如下模块：

数据集获取模块，用于采集医学膀胱镜检测视频，并从视频流中选取膀胱肿瘤关键帧制作训练样本，并对其使用不规则框进行标注，将图像中的每个像素划分其对应的类别，实现像素级别的分类；

数据集预处理模块，用于对制作的数据集进行图像增强以及图像去噪预处理以解决在测试过程中会遇到的分割问题；

网络模型训练模块，用于构建一种新的ORSU-Net分割网络模型，使用数据集预处理模块中生成的训练样本训练构建好的网络模型，生成预测掩码；

所述ORSU-Net分割网络模型的结构包括依次连接的：输入层—第二组合模块—输出层；

第二组合模块包括编码器模块和解码器模块，其中编码器模块包含n1个八度卷积层和n2个下采样层，解码器模块与之对称的包含n2个上采样层和n1个八度卷积层，通过残差连接融合局部特征和多尺度特征；

损失函数计算模块，用于计算预训练肿瘤预测分割结果与肿瘤分割真值之间的损失；

网络优化模块，用于将损失函数作为优化目标函数，使分割网络模型参与网络优化中梯度后向传播过程，实现肿瘤图像分割的优化。