[发明专利]肝部区域血管分割的方法及设备

权利要求书

1.一种肝部区域血管分割方法，其特征在于，所述方法包括：

构建肝部区域血管的分割网络，所述肝部区域血管的分割网络具有n层编码器-解码器结构的正交移动窗口的深度自注意力网络和多任务一致性输出分支网络；所述深度自注意力网络作为骨干网络，所述骨干网络由对称的编码器和解码器构成，并具有卷积和深度自注意力的交替运算；所述编码器的第一层是嵌入层，用于将肝部图像进行编码，随后的卷积层将输入的特征下采样为第一阈值尺寸，且所述编码器将所述随后的卷积层输出特征传递给所述解码器对应层，其中所述编码器利用深度自注意力运算以计算所述输出特征间的联系，捕获全局特征；所述解码器的最后一层为特征扩展层，将所述输入的特征恢复到指定维度，所述解码器的卷积层接受上一层的输出及所述编码器对应层的输入，并上采样为高维特征或第二阈值尺寸；

所述多任务一致性输出分支网络接收所述骨干网络输出的所述高维特征或第二阈值尺寸，获得血管半径和血管直接分割图；对所述血管直接分割图进行软骨架化，获得血管中轴；利用所述血管中轴和所述血管半径，将三个正交平面上的正交卷积替代所述骨干网络和所述多任务一致性输出分支网络中的三维卷积进行计算，获得肝部血管重建分割图；

利用所述肝部区域血管的分割网络，在肝部血管分割公共数据集上进行训练，得到训练完毕的肝部血管分割网络，训练过程中根据预测结果和真实标注，利用类别平衡损失函数计算损失，将所述肝部血管重建分割图输出为肝部区域血管分割图像。

2.根据权利要求1所述的方法，其特征在于，所述三个正交平面包括：横断面、矢状面和冠状面。

3.根据权利要求1所述的方法，其特征在于，利用所述肝部区域血管的分割网络，在肝部血管分割公共数据集上进行训练，得到训练完毕的肝部血管分割网络，包括：

获取所述肝部血管分割公共数据集，其中，所述肝部血管分割公共数据集中包括CT模态下的肝部数据以及对应的血管动脉和静脉标注；

对所述肝部血管分割公共数据集中肝部影像进行操作，以增广肝部血管数据，得到扩增后的肝部血管分割公共数据集；

将所述扩增后的肝部血管分割公共数据集按照第一比例随机分割，分别获得肝部血管分割训练集和肝部血管分割测试集；以及

利用所述肝部血管分割训练集对所述构建肝部区域血管的分割网络进行训练，得到训练完毕的肝部区域血管的分割网络。

4.根据权利要求3所述的方法，其特征在于，所述肝部影像进行操作包括明暗度调整、旋转和水平翻转180度。

5.根据权利要求3所述的方法，其特征在于，所述第一比例可选4比1。

6.根据权利要求3所述的方法，其特征在于，利用所述肝部血管分割训练集对所述构建肝部区域血管的分割网络进行训练，得到训练完毕的肝部区域血管的分割网络，包括：

采样得到长、宽和深度均为64体素的2个训练数据块，并对所述训练数据块加入高斯随机噪声，并输入到所述构建肝部区域血管的分割网络，该网络最后输出所述肝部区域血管分割图像，其中所述体素的每个值范围为0到1，表示每个体素属于血管的概率。

7.根据权利要求1所述的方法，其特征在于，根据预测结果和真实标注，利用类别平衡损失函数计算损失，包括利用如下公式计算：

其中，是类别平衡的直接血管分割损失，用来控制惩罚力度，是类别平衡的交叉熵损失函数，是直接血管分割网络对输入的输出，是多任务一致性输出分支网络对输入的输出，是类别平衡的骰子损失函数；是类别平衡的血管中轴损失函数，是血管中轴和直接血管分割符合的信息通路；是类别平衡的血管半径损失函数；是血管重建损失函数，是类别平衡的均方误差损失函数，为多任务一致性损失；是组合类别平衡损失函数，是参数，是标注真实值、是中轴真实值、为第一比例系数、为第二比例系数、为第三比例系数；

使用类别平衡损失函数计算损失，并使用随机梯度下降更新所述网络参数，其初始学习率为10^-5，学习率按照以下方式变化：

其中，代表初始学习率，代表当前训练步数，代表最大训练步数。