[发明专利]一种基于先验交互强化学习的胎儿超声图像脑部分割方法

权利要求书

1.一种基于先验交互强化学习的胎儿超声图像脑部分割方法，其特征在于，包括以下步骤：

步骤1：采集胎儿超声图像，根据胎儿胼胝体超声图像的边缘特征和空间特征对采集到的胎儿超声图像进行人工标注得到标签图像，对胎儿超声图像和标签图像进行预处理，并根据预处理后的胎儿超声图像和标签图像构建多模态胎儿胼胝体结构的影像数据库，对影像数据库中的数据进行数据增强，得到训练图像数据集、验证图像数据集和测试图像数据集；

步骤2：构建基于深度神经网络模型的胎儿超声图像脑部分割模型，所述胎儿超声图像脑部分割模型由环境状态转换模块、环境奖励转换模块和提示图更新模块组成；所述环境状态转换模块用于对动作概率进行预测并评估当前状态组合,输出当前预测图；所述环境奖励转换模块用于根据上一次预测图、标签图像和当前预测图来计算环境奖励值，再通过环境奖励值反向传播训练环境状态转换模块；所述提示图更新模块用于对当前预测图提供新的提示图来细化下一次分割的结果；

步骤3：设置胎儿超声图像脑部分割模型的参数；

步骤4：将训练图像数据集导入胎儿超声图像脑部分割模型中，并通过环境奖励转换模块进行训练，更新胎儿超声图像脑部分割模型的参数，将验证图像数据集导入训练后的胎儿超声图像脑部分割模型中验证模型的分割结果，并使用相应的评价指标对分割结果进行评价，得到胎儿超声图像脑部分割最终模型；

步骤5：将测试图像数据集导入已训练好的胎儿超声图像脑部分割最终模型中，进行前向传播，不断更新状态值直到输出结果满意，构建出胎儿超声图像脑部分割图。

2.根据权利要求1所述的一种基于先验交互强化学习的胎儿超声图像脑部分割方法，其特征在于：所述对胎儿超声图像和标签图像进行预处理包括对胎儿超声图像和标签图像进行平移转换、扭曲增强以及弹性形变。

3.根据权利要求1所述的一种基于先验交互强化学习的胎儿超声图像脑部分割方法，其特征在于：所述环境状态转换模块包括动作网络和判断网络，所述动作网络用于在已知当前状态下预测下一个动作的概率分布，并对状态中的分割概率图进行更新；所述判断网络用于预测当前状态估计值。

4.根据权利要求1所述的一种基于先验交互强化学习的胎儿超声图像脑部分割方法，其特征在于：所述提示图更新模块根据当前迭代次数采用不同方式对当前的分割结果提供新的提示图来细化下一次分割的结果，在迭代次数小于阈值时新的提示图由提示图网络提供，当迭代次数到达阈值时新的提示图由专业医生提供。