[发明专利]基于深度学习的脑肿瘤分割质量评估方法、设备及介质

权利要求书

1.一种基于深度学习的脑肿瘤分割质量评估方法，其特征在于，包括：

步骤1，收集脑肿瘤患者的脑部MRI影像，并对其进行预处理；

步骤2，分割脑部MRI影像中所有病灶，包括肿瘤、周围水肿和坏死三个区域，得到人工分割金标准；

步骤3，以预处理后的脑部MRI影像作为输入，对应的人工分割金标准作为输出，训练深度学习模型，得到病灶分割模型；

步骤4，将预处理后的脑部MRI影像输入到病灶分割模型，输出得到脑部MRI影像的病灶分割概率图；

对病灶分割概率图二值化处理，得到病灶分割的二值化结果图；

步骤5，以脑部MRI影像的病灶分割概率图作为输入，对应的人工分割金标准与二值化结果图的差值作为输出，训练深度学习网络，得到分割错误预测模型；

步骤6，将脑部MRI影像的病灶分割概率图输入到分割错误预测模型，输出得到分割不确定性预测图谱；

将预处理后的脑部MRI影像与步骤4对应得到的病灶分割的二值化结果图及本步骤6对应得到的分割不确定性预测图谱，在通道方向进行拼接得到拼接图；

计算人工分割金标准与二值化结果图之间的骰子相似性系数；

步骤7，以步骤6对应得到的脑部MRI影像拼接图作为输入，骰子相似性系数作为输出，训练深度学习模型，得到分割质量评估网络；

步骤8，对于新获取得到的脑肿瘤MRI影像，按步骤1进行预处理，并使用病灶分割模型按步骤4得到病灶分割概率图和二值化结果图，使用分割错误预测模型按步骤6得到分割不确定性预测图谱，然后将新获取得到的脑肿瘤MRI影像及其病灶分割的二值化结果图、分割不确定性预测图谱在通道方向进行拼接，最后使用分割质量评估网络对拼接得到的拼接图进行评估，得到该脑肿瘤MRI影像与人工金标准之间的骰子相关系数，即为病灶分割模型对该脑肿瘤MRI影像的分割质量评分。

2.根据权利要求1所述的方法，其特征在于，步骤1所述的预处理包括图像增强和数据增广。

3.根据权利要求1所述的方法，其特征在于，病灶分割模型采用U-net网络，步骤3训练病灶分割模型所采用的损失函数为类别交叉熵损失函数。

4.根据权利要求1所述的方法，其特征在于，分割错误预测模型采用U-net网络，步骤5训练分割错误预测模型所采用的损失函数为类别交叉熵损失函数。

5.根据权利要求1所述的方法，其特征在于，分割质量评估网络采用3D VGG网络，步骤7训练分割质量评估网络所采用的损失函数为均方误差损失函数。

6.根据权利要求1所述的方法，其特征在于，步骤3至步骤5训练分割模型和分割错误预测模型的过程，将其中的分割模型作为生成网络，分割错误预测模型作为判别网络，采用生成判别网络的方式同时对分割模型和分割错误预测模型进行训练。

7.根据权利要求1所述的方法，其特征在于，所述脑部MRI影像包括T1、T2、T1CE和Flair这四种模态数据，分割网络的输入采用单张切片图像对应T1、T2、T1CE和Flair这4种模态数据以4通道的方式输入，步骤2使用分割脑部MRI影像中的T1数据进行病灶分割得到人工分割金标准。

8.一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1～7中任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～7中任一项所述的方法。