[发明专利]一种基于U-Net的细胞核图像分割优化的方法

说明书

本发明涉及医学图像处理技术领域，具体涉及一种基于U‑Net的细胞核图像分割优化的方法，基于UNet++和ResNet构建网络，通过设计一个上下文感知功能带有残差块的编码器以提取多尺度特征，此外在密集卷积块以获取和融合不同尺度的图像特征，最后使用包含卷积和反卷积的解码器来细化细胞核分割掩码的方式，经过优化参数以及反复迭代获得收敛后的细胞核图像分割模型，使用模型进行计算机辅助诊断，提高了细胞核图像分割的精度。

技术领域

本发明涉及医学图像处理技术领域，具体涉及一种基于U-Net的细胞核图像分割优化的方法。

背景技术

计算机辅助诊断(Computer Aided Diagnosis,CAD)在现代医学中己成为不可或缺的一部分，且已经广泛应用于各种临床诊断。其中，计算机医学影像技术更是助力临床医学诊断，通过医学影像分析患者身体情况及功能器官的变化，可避免临床手术对患者身体不必要的损伤，亦可对患者病情的现状及变化趋势判定提供很好的基础。

当前用于辅助诊断的临床医学影像技术有超声成像技术、X射线技术、电子计算机断层扫描(CT)，核磁共振成像(MRI)等。医学成像技术在一个世纪的时间里不断发展扩大。影像手段由单一向多元转变，由二维显示成长为多维显示，由形态学诊断转为功能诊断。最终，影像诊断与临床治疗相结合。这些影像技术自用于临床诊断以来，降低了确诊患者病情的成本，简化了诊断的过程，极大地提高了诊断的效率及正确率，具有极高的工业医学应用价值。据可靠研究调查显示，在2015年至2016年间潍坊市荣复军人医院借助CT影像对五十多例结肠癌患者进行病情确诊的正确率近乎百分之九十。

然而，在对细胞核图像分割进行计算机辅助诊断时，由于细胞核图像的对比度低、细胞核空间分布差异较短等特点，现有的细胞核图像分割技术在使用U-Net网络分割细胞核图像时存在过分割问题，且难以做到准确分割。

发明内容

本发明的目的在于提供一种基于U-Net的细胞核图像分割优化的方法，旨在提高现有的计算机辅助诊断中细胞核图像分割技术的分割精度。

为实现上述目的，本发明提供了一种基于U-Net的细胞核图像分割优化的方法，包括下列步骤：

使用U-Net++优化U-Net；

在U-Net++中使用深度监督；

建立新型网络；

使用上下文感知特征网络；

混合跳过路径；

在已建成的网络中优化调节参数，获得收敛后的模型。

其中，在使用U-Net++优化U-Net的过程中，增加具有多个卷积层的密集卷积块进行编码器的特征图收集，其中卷积层数取决于金字塔的层数。

其中，所述深度监督使模型能够在精确模式或快速模式下运行，所述精确模式中所有分割分支的输出被平均，所述快速模式中最终分割图仅从其中一个分割分支中选择。

其中，所述新型网络基于UNet++和ResNet构建，具体为在ResNet直接引入残差映射，并利用残差映射代替原始特征映射，最后将重塑后的ResNet嵌入到UNet++的编码器模块中。

其中，在新型网络中使用上下文感知特征网络的过程，具体为引入残差块提取编码器模块中的多尺度特征，即在输入和输出特征之间设计一个直接连接通道。

其中，在新型网络中使用混合跳过路径的过程，具体为使用跳跃连接将源自编码器模块的浅层特征图与源自解码器模块的深层特征图结合起来的过程。

其中，在已建成的网络中优化调节参数的过程，包括下列步骤：

优化器调节；

loss函数调节；