[发明专利]一种基于轻量级孪生网络的医学图像分割方法及装置

说明书

本发明公开了一种基于轻量级孪生网络的医学图像分割方法及装置，利用孪生网络的特点能够更好地对比生成的特征图，通过孪生网络和轻量级模块的结合来达到更好的轻量化效果，在特征图之间加入了一个差异模块，通过对两个特征图作差获取两个相邻切片的差异并用它监督训练，获得更好的边界效果；在编码最后加入了一个联系模块，通过参照其他切片对应位置的信息能更好指导当前切片的分割，减少假阳性，减少误差。

技术领域

本申请属于图像分割技术领域，尤其涉及一种基于轻量级孪生网络的医学图像分割方法及装置。

背景技术

图像分割一直是图像处理和分析领域的难点，也是计算机视觉领域的关键问题之一。在医学图像的处理和分析中，医学图像分割是三维重建、定量分析等处理的基础，医学图像分割的目的是将医学图像中需要强调的部分(例如血管、肿瘤、器官)分割出来，并提取相关特征，并以此来为临床治疗和病理学研究提供一些可靠的依据，辅助专家进行诊断。

通常，在医学图像中存在几个比较明显的难点，不同组织之间的对比度较低，分割目标与其他组织的差异性差，不易分辨，导致边界分割不清晰；另外，对于三维医学图像，现有的各种方法并没有专注于发掘切片间的关系。

医学图像分割网络的结构较为复杂，同时输入多个切片进行跨切片操作会导致巨大的计算量，运行效率会比较低。

发明内容

本申请的目的是提供一种基于轻量级孪生网络的医学图像分割方法及装置，以克服在图像分割时，需要获取切片上下文信息计算量巨大，运行效率比较低的问题。

为了实现上述目的，本申请技术方案如下：

一种基于轻量级孪生网络的医学图像分割方法，包括：

获取用于训练的医学图像样本；

将医学图像相邻两个切片输入到构建的深度神经网络模型进行训练，获得训练好的深度神经网络模型，所述深度神经网络模型包括编码网络和解码网络，所述编码网络包括一个轻量级孪生网络和一个联系模块，所述轻量级孪生网络包括第一分支和第二分支，每个分支包括依次连接的卷积块、第一级轻量级模块、第二级轻量级模块和第三级轻量级模块，两分支对应的各级轻量级模块之间设置有对应第一级差异模块、第二级差异模块和第三级差异模块，所述第一分支的第三级轻量级模块和所述第二分支的各个轻量级模块连接到所述联系模块，所述解码网络包括与所述各级差异模块对应的第一级解码器、第二级解码器和第三级解码器，所述联系模块的输出与第一分支的第三级轻量级模块的输出融合后输入到第三级解码器，所述第三级解码器上采样后输入到第二级解码器，所述第二级解码器上采样后输入到第一级解码器，所述第一级解码器、第二级解码器和第三级解码器的输出经过上采样融合后输入到分类器中进行分类，输出图像分割结果；

采用训练好的深度神经网络模型对医学图像进行分割。

进一步的，所述第一级差异模块、第二级差异模块和第三级差异模块，执行如下操作：

对来自第一分支和第二分支的两个特征图作元素减法得到差异部分；

将差异部分与来自第一支路的特征图作元素加法得到临时特征图；

将临时特征图经过Sigmoid函数后得到差异特征图。

进一步的，所述联系模块，执行如下操作：

采用池化操作将第二分支各个轻量级模块输出的各个尺度的特征图统一尺寸，然后拼接起来，经过门限阈值筛选置信度大于置信度阈值的像素之后，再作softmax处理，然后与第一分支第三级轻量级模块输出的特征图作元素乘法，再将得到的结果与第一分支第三级轻量级模块输出的特征图作元素加法，生成输出的特征图。