[发明专利]基于多尺度蒸馏的脑肿瘤MRI图像分割方法

说明书

本发明提供了一种基于多尺度蒸馏的脑肿瘤MRI图像分割方法包括采集多模态核磁共振图像，在上位机中对多模态核磁共振图像进行预处理，然后输入到多尺度蒸馏训练操作后的DeepLabv3+网络，输出多模态MRI图像的分割结果图，分割结果图包括背景区域、坏疽区域、浮肿区域和增强肿瘤区域。本发明采用了脑胶质母细胞瘤患者的T1、T1c、T2和FLAIR四种模态的核磁共振图像进行肿瘤分割，增加了样本的多样性，采用了改进的蒸馏损失方法，通过保持长程和短程空间关系，能够更好的保留学习的知识，提高模型精度。

技术领域

本发明涉及数字医学图像识别技术领域，具体是基于多尺度蒸馏的脑肿瘤MRI图像分割方法。

背景技术

脑胶质瘤是最常见的原发性中枢神经系统肿瘤之一，具有极高的发病率和致死率。核磁共振成像(Magnetic Resonance Imaging,MRI)能对大脑软组织进行高空间分辨率和高对比度成像，是医生进行脑结构分析的最佳选择，因此在临床上被广泛使用。图像分割是脑肿瘤研究的关键步骤，其为后续诊断和治疗提供指导依据。然而手动分割是一项十分费时费力的工作，且严重依赖于医生的经验。由于脑肿瘤形状多变、结构复杂以及类别极不平衡等特点，传统的图像分割算法如区域生长和像素分类等往往很难获得令人满意的分割效果。因此自动脑肿瘤分割算法的研究仍是一项十分具有挑战性的任务。

目前，专家手工分割是临床中最常用的分割方法。专家手动分割脑肿瘤即在图像上手动标注脑肿瘤的边界，标注时采用不同的标签表示不同的解剖结构区域。因此，脑肿瘤手工分割专家需要掌握解剖学等知识。这种脑肿瘤分割方式存在一些缺点，包括:

(1)随着脑肿瘤影像的增加，人工分割脑肿瘤的不同区域任务变得不仅耗时且容易出错，并且分割效果也逐渐下降,进而影响临床医生对脑肿瘤患者的诊断、治疗方案的制定以及患者术后恢复效果评估。

(2)人工脑肿瘤分割方法具有主观性，无法复现。主观性体现在，对于相同的脑肿瘤核磁共振影像,不同专家手工分割的结果未必相同。同一个专家在不同时间对相同影像进行标注，得到的结果也可能不同，即该方法是不能复现的。

为了减轻临床医生或脑肿瘤专家的工作量，需要研究一种全自动的、可复现的脑肿瘤分割方法。

发明内容

本发明要解决的技术问题是提供基于多尺度蒸馏的脑肿瘤MRI图像分割方法，用以对多模态核磁共振图像上的脑胶质母细胞瘤区域能够准确定位和更加准确精细分割。

为了解决上述技术问题，本发明提供基于多尺度蒸馏的脑肿瘤MRI图像分割方法，包括采集多模态核磁共振图像，在上位机中对多模态核磁共振图像进行预处理，然后输入到多尺度蒸馏训练操作后的DeepLabv3+网络，输出多模态MRI图像的分割结果图；

所述预处理包括对多模态MRI图像x轴的图像矩阵依次人工加入黑色切片、Z-Score标准化处理、归一化处理、裁剪处理和图像切片化处理；

所述分割结果图采用不同灰度进行区域描述，包括背景区域、坏疽区域、浮肿区域和增强肿瘤区域。

作为本发明的基于多尺度蒸馏的脑肿瘤MRI图像分割方法的改进：

所述人工加入黑色切片为所述多模态核磁共振图像的x轴前后分别插入3张和2张全0的图像矩阵；

所述Z-Score标准化处理为：

其中x表示待处理的图像矩阵，η代表均值，σ代表标准差，z代表处理后的图像矩阵；

所述归一化处理为：

z代表标准化处理后的图像矩阵，y代表归一化后的图像矩阵

所述裁剪处理为：