[发明专利]一种基于特征压缩和噪声抑制的心室图像分割方法

权利要求书

1.一种基于特征压缩和噪声抑制的心室图像分割方法，其特征在于，包括如下步骤：

a)读取心室分割数据集中的心脏图像数据Image及与心脏图像数据Image对应的掩码Mask；

b)调整心脏图像数据Image和掩码Mask的形状后合并得到双通道矩阵matrix；

c)对双通道矩阵matrix执行N次剪裁，剪裁大小为M×M，对剪裁后的双通道矩阵matrix执行通道分解，得到M大小的心脏图像image和M大小的掩码mask各N张；

d)对N张心脏图像image分别进行归一化处理得到N张处理后的心脏图像img；

e)将N张处理后的心脏图像img和N张掩码mask划分为训练集、验证集和测试集；

f)计算机读取训练集和验证集中的心脏图像img和掩码mask，将读取的心脏图像img记作x，将读取的掩码mask记作y，完成训练数据的加载；

g)选择SGD作为优化器，优化器的初始学习率为0.001，并使用学习率自适应调整策略；

h)将x输入卷积层进行卷积运算，后输入BN层进行规范化处理，规范化处理后由ReLU激活函数进行激活；

i)重复执行步骤h)一次，得到特征图M，对特征图M使用池化核为2*2，stride为2的maxpool层进行特征下采样，得到下采样特征MP；

j)对下采样特征MP进行噪声抑制和特征融合后得到输出特征SM_index，步骤j)包括如下步骤：

j-1)通过公式计算噪声抑制后的特征矩阵YM，MP_i(r,c)为输入的下采样特征MP的第i个通道的第r行第c列的元素值，i∈[0,C)，r∈[1,size]，c∈[1,size]，C为输入的下采样特征MP的通道总数，size为下采样特征MP的长宽尺寸，size＝352；

j-2)通过公式计算相似度S_ij，式中YM_i(r,c)为特征矩阵YM的第i个通道的第r行第c列的元素值，为特征矩阵YM的第i个通道的所有元素的平均值，YM_j(r,c)为特征矩阵YM的第j个通道的第r行第c列的元素值，为特征矩阵YM的第j个通道的所有元素的平均值，i∈[0,C)，j∈[0,C)，j＞i；

j-3)选取值大于0.9的相似度S_ij，以第i个通道为基准进行分类，形成列表{i,j₁,...,j_n}，将列表{i,j₁,...,j_n}记作T_i，n为与通道i相似的通道的个数；j-4)通过公式计算得到融合特征Sub_i，YM_k为特征矩阵YM的第k个通道；

j-5)选取压缩倍率rate＝0.5，将步骤j-4)中融合特征时未使用的通道与融合特征Sub_i进行拼接得到CM，对CM的通道进行随机切分或复制操作，得到通道数为的输出特征SM_index；

k)对输出特征SM_index使用若干卷积操作组计算得到特征图CSM_index；

l)对特征图CSM_index使用与步骤i)中的相同的maxpool层进行特征下采样，得到下采样特征MSM_index；

m)重复执行步骤j)至步骤l)3次后，再重复步骤j)至步骤k)，得到最终的输出特征FM；

n)使用DUC结构对FM进行处理，得到最终的分割输出

o)通过公式计算每类的损失调整权重μ_k，式中num为像素点总数，num_k为第k类的像素点数量，通过公式计算网络前向传播的损失值loss，式中y^k为真实值y中属于第k类的值，为预测值中属于第k类的值，K为网络需要分割的类别总数；

p)根据损失loss调整权重，使用反向传播算法更新步骤h)和步骤k)中的卷积操作组的权重和偏置；

q)重复步骤f)至步骤p)若干次，之后保存模型及其权重；

i)读取测试集的心脏图像img_t及其掩码mask_t，将img_t输入到步骤q)保存的模型中，得到预测的分割掩码pre，使用pre和mask_t计算mIoU值；

s)如果mIoU值大于等于0.95则将步骤q)中保存的模型作为最终模型Model，如果mIoU值小于0.95，则重复执行步骤f)至步骤i)直至mIoU值大于0.95；

t)将DICOM格式的心脏影响数据解析为普通的JPG格式的图像后将JPG图像剪裁，剪裁后的JPG图像归一化处理后输入到步骤s)中的模型Model中进行心室分割，得到最终的心室分割掩码。