[发明专利]一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法

权利要求书

1.一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，具体包括以下步骤：

S1、分别获取前列腺3D MR与TRUS图像数据集；

S2、分别对上述两个数据集进行预处理，数据增强后得到训练数据集；

S3、构建分割生成器网络模型，分割生成器网络包括编码器、解码器、跳跃连接和Bottleneck模块；所述编码器用于提取图像的切片内上下文信息和切片间关联信息的三维特征，所述解码器用于融合特征生成最终的分割掩模，所述跳跃连接分别与所述编码器和解码器连接，用于减少编码器的低级语义特征与解码器的高级语义特征融合时的语义差异，为具有最多语义信息的通道赋予更大的权重，所述Bottleneck模块为编码器与解码器的中间连接部分，通过自注意力机制将编码器提取的细节特征和边缘信息传递到解码器，在每个解码器层后添加一个深度监督层，所述深度监督层通过与Ground truth计算得到的损失函数对分割生成器网络进行训练；

S4、构建鉴别器网络模型，鉴别器网络用于区分分割生成器网络输出结果和Groundtruth，并将鉴别结果用于分割生成器网络的训练；

S5、训练数据集随机划分为训练集和验证集两部分，采用训练数据集对分割生成器网络进行训练；

S6、将训练集输入分割生成器网络，分割生成器网络输出的分割掩模与Ground truth分别与输入图像拼接后输入鉴别器，计算损失函数并训练网络模型；

S7、将验证集输入分割生成器网络，分割生成器网络输出的分割掩模与Ground truth分别与输入图像拼接后输入鉴别器，计算损失函数；

S8、建立分割效果的评估指标，通过消融实验和对比实验评估模型效果。

2.根据权利要求1所述的一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，步骤S2具体包括以下步骤：

S201，对前列腺3D MR图像数据集进行重采样，截取MR图像以前列腺为中心的区域，对截取所得图像的所有像素进行灰度归一化处理；若前列腺3DTRUS图像数据集为同一设备采集后三维重建，则直接截取TRUS图像以前列腺为中心的区域，对截取所得图像的所有像素进行灰度归一化处理；

S202，通过数据增强对上述图像数据集进行扩增，得到训练数据集。

3.根据权利要求1所述的一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，所述跳跃连接包括残差卷积块RC-Block和通道注意力机制模块C-Block，根据编码器层与解码器层间语义差异的严重程度调整RC-Block中卷积层的数量，通道注意力机制模块C-Block根据每个通道语义信息的丰富程度赋予不同的权重。

4.根据权利要求3所述的一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，所述通道注意力机制模块C-Block包括注意力掩模生成和特征重标定两个步骤，输入特征图和注意力掩模逐元素相乘作为重标定后的输出特征图。

5.根据权利要求1所述的一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，所述编码器、解码器均包括三维残差卷积块R-Block和三维密集残差卷积块DR-Block，三维残差卷积块R-Block用于浅层特征的提取和融合。

6.根据权利要求5所述的一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，三维密集残差卷积块DR-Block的内部结构为Conv-BN-PReLU-Conv-Conv-BN-PReLU。

7.根据权利要求1所述的一种面向前列腺系统穿刺的3D MR与TRUS图像分割方法，其特征在于，所述Bottleneck模块采用通道注意力和空间注意力组成的双注意力机制，两个注意力模块的处理过程为，分别根据体素间相关性与通道间相关性生成空间注意力矩阵与通道注意力矩阵，对输入特征图进行特征重校正，通过残差连接与输入特征图逐元素求和，使两个模块的输出都是在输入特征图基础上的优化，将两个模块处理后生成的特征图融合作为Bottleneck-Block的最终输出。