[发明专利]一种基于双边学习分支实现实用的肺部病变分割方法

说明书

本发明公开了一种基于双边学习分支实现实用的肺部病变分割方法，属于医疗影像技术领域，包括：S1：获取肺部数据集；S2：对所述肺部数据集中的每一张图像进行预处理操作，得到预处理后的肺部数据集；S3：利用病灶图像分割网络对所述预处理后的肺部数据集进行分割，得到病灶区域。本发明能够解决现有卷积神经网络在建模全局信息时全局语义及局部细节的不均衡性、Transformer和多层感知机（MLP）在医疗图像领域普遍存在计算开销较大的问题，能够针对间质性肺炎病灶区域尺寸、形态变化不规则的特点，在精确分割出肺部CT图像中的炎症病变区域的基础上，提高推理速度并降低计算开销。

技术领域

本发明涉及医疗影像技术领域，具体涉及一种基于双边学习分支实现实用的肺部病变分割方法。

背景技术

间质性肺炎(interstitial pneumonia，IP)是多种原因引起的弥漫性肺疾病，环境中的真菌孢子、有机粉尘、系统性红斑狼疮等均是该病的诱发因素。间质性肺炎对于人体有极大的危害，随着患者病情不断恶化，患者会出现呼吸不畅、酸中毒、缺氧等症状，最严重时会出现呼吸衰竭的情况，进而导致患者死亡。因此，及时有效地筛查间质性肺炎对于最大限度地保护患者的肺功能具有重要意义。

随着机器视觉的快速发展，结合计算机断层扫描(Computed Tomography， CT)可清晰反映肺部实质、间质异常程度的能力，基于深度学习的图像分割方法能够诊断医学图像中的疾病类型，并指出病变位置，成为了一种有效的智能诊断辅助手段，现已得到广泛而深入的研究。基于卷积神经的医学图像分割方法取得了实质性进展，在最具代表性的U-Net的基础上，通过各种创新的卷积结构提高网络特征提取和特征融合能力，不断改进提出了V-Net、U-Net++、用于分割新型冠状肺炎CT图像的网络Inf-Net、基于注意机制和条件随机场的脑胶质瘤分割网络CANet。尽管基于卷积神经网络的方法具有优异的性能，但由于卷积结构中的渐进算子带来的特征局部性，它们在建模全局和上下文信息时仍然具有不平衡的特征，因此卷积结构在对于在纹理、形状和大小方面差异较大的目标具有特征描述上的局限性。

基于Transformer和多层感知机（MLP）在建模全局信息方面具有非常强大的能力，已经在机器翻译和自然语言处理（NLP）领域已经得到了广泛的证明。近期也已在图像分类、目标检测、图像分割等领域达到甚至超过了最先进的水平，开始引领新的趋势。在医疗图像领域，也出现了MedT、MCTrans、UTNet、TransUNet等具有SOTA表现的代表性方法，但普遍存在计算开销较大的特点。

发明内容

本发明的目的在于提供一种基于双边学习分支实现实用的肺部病变分割方法，以解决的现有卷积神经网络在建模全局信息时全局语义及局部细节的不均衡性、Transformer和多层感知机（MLP）在医疗图像领域普遍存在计算开销较大的问题，能够针对间质性肺炎病灶区域尺寸、形态变化不规则的特点，在精确分割出肺部CT图像中的炎症病变区域的基础上，提高推理速度并降低计算开销。

本发明解决上述技术问题的技术方案如下：

本发明提供一种基于双边学习分支实现实用的肺部病变分割方法，包括：

S1：获取肺部数据集；

S2：对所述肺部数据集中的每一张图像进行预处理操作，得到预处理后的肺部数据集；

S3：利用病灶图像分割网络对所述预处理后的肺部数据集进行分割，得到病灶区域。

可选择地，所述步骤S2包括：

S21：对所述肺部数据集中的每一张图像依次进行水平翻转处理，得到水平翻转处理后的肺部数据集；

S22：对所述水平翻转处理后的肺部数据集中的每一张图像进行边缘随机裁剪处理，得到边缘随机裁剪后的肺部数据集；

S23：对所述边缘随机裁剪后的肺部数据集中的每一张图像进行几何形变处理，得到预处理后的肺部数据集。