[发明专利]髋关节分割方法、装置、电子设备及计算机可读存储介质

说明书

本申请提供了一种基于DoubleUnet多任务神经网络模型的髋关节分割方法、装置、电子设备及计算机可读存储介质。该方法，获取待分割的髋关节图像；将髋关节图像输入预设的DoubleUnet多任务神经网络模型，输出髋关节中骨盆、左侧股骨和右侧股骨三个部位的分割结果；DoubleUnet多任务神经网络模型是基于DoubleUnet多任务神经网络经过模型训练得到的，DoubleUnet多任务神经网络包括两个Unet网络分支；第一网络分支结果和开始的输入相叠加输入到第二网络分支，且第一网络分支中VGG19输出的四个分支结果分别和第二网络分支上采样层相结合；并且在每一层的每一对相邻的解码器分支和编码器分支之间的跳跃连接中添加注意力机制网络。

技术领域

本申请属于深度学习智能识别技术领域，尤其涉及一种基于DoubleUnet多任务神经网络模型的髋关节分割方法、装置、电子设备及计算机可读存储介质。

背景技术

传统图像分割算法是基于阈值分割、边缘检测或区域增长来分割医学图像，这类方法分割精度较差，粗略分割目标区域，不能精确分割目标区域边界。

因此，如何又快又准地进行髋关节分割是本领域技术人员亟需解决的技术问题。

发明内容

本申请实施例提供一种基于DoubleUnet多任务神经网络模型的髋关节分割方法、装置、电子设备及计算机可读存储介质，能够又快又准地进行髋关节分割。

第一方面，本申请实施例提供一种基于DoubleUnet多任务神经网络模型的髋关节分割方法，包括：

获取待分割的髋关节图像；

将髋关节图像输入预设的DoubleUnet多任务神经网络模型，输出髋关节分割结果；

其中，髋关节分割结果包括髋关节中骨盆、左侧股骨和右侧股骨三个部位的分割结果；

DoubleUnet多任务神经网络模型是基于DoubleUnet多任务神经网络经过模型训练得到的，DoubleUnet多任务神经网络包括两个Unet网络分支；第一网络分支结果和开始的输入相叠加输入到第二网络分支，且第一网络分支中VGG19输出的四个分支结果分别和第二网络分支上采样层相结合，以减少特征丢失；并且在每一层的每一对相邻的解码器分支和编码器分支之间的跳跃连接中添加注意力机制网络，增强对边界特征的分割。

可选的，在将髋关节图像输入预设的DoubleUnet多任务神经网络模型之前，方法还包括：

获取髋关节图像数据集；

标注髋关节图像数据集中髋关节图像的髋关节区域，并将髋关节区域确定为分割mask；其中，每个分割mask与髋关节图像一一对应；

将每个髋关节图像及其对应的分割mask的图像格式均转换为PNG格式；

将所有转换为PNG格式的髋关节图像及其对应的分割mask，按照预设比例划分为训练集、验证集和测试集。

可选的，在将所有转换为PNG格式的髋关节图像及其对应的分割mask，按照预设比例划分为训练集、验证集和测试集之后，方法还包括：

利用训练集对DoubleUnet多任务神经网络进行模型训练，并利用验证集和测试集进行验证和测试，得到DoubleUnet多任务神经网络模型。

可选的，利用训练集对DoubleUnet多任务神经网络进行模型训练，并利用验证集和测试集进行验证和测试，得到DoubleUnet多任务神经网络模型，包括：

在模型训练过程中，设置训练的batch_size为64；

设置初始化学习率为1e-4，附加学习率衰减策略，每迭代5000次，学习率衰减为上一次学习率的0.9；