[发明专利]超分辨率重建辅助的CT图像超分辨率分割方法

说明书

本发明公开了一种超分辨率重建辅助的CT图像超分辨率分割方法，包括步骤：使用bicubic算法对原始的CT图像进行4倍下采样；将所述低分辨率图像Isubgt;lr/subgt;输入编码器，并通过两个独立的解码器分支分别进行超分辨率重建和超分辨率分割；使用多尺度融合模块MSFB提取多尺度特征，并将所述编码器的中间特征传给解码器；使用双通道注意力模块DCAB对所述编码器和解码器的中间特征进行融合；通过损失函数对以上所述模型进行优化。

技术领域

本发明属于医学图像处理技术领域，涉及CT图像的重建和分割技术领域，尤其涉及一种超分辨率重建辅助的CT图像超分辨率分割方法。

背景技术

在临床诊断中，对医学扫描图像进行超分辨率（SR）分割具有重要意义。现有的分割技术旨在从医学图像中分割出感兴趣的区域，例如重要的器官或受感染的区域，从而得到该区域的大小、形状和位置等重要信息。然而，对于一些解剖结构比较复杂的区域，原始分辨率的分割掩膜可能无法准确表达分割区域，因此需要使用SR分割方法根据低分辨率CT图像预测高分辨率的分割掩膜。然而，低分辨率图像包含的细节信息有限，不足以支持预测出精准的高分辨率分割掩膜。因此，我们考虑使用SR重建技术根据低分辨率CT预测对应的高分辨率CT，利用重建过程中恢复的低层次特征，如纹理和边缘来辅助预测高分辨率分割掩膜。

现有的使用SR重建辅助SR分割的方法主要分为两类：第一种是将SR重建作为图像的预处理步骤，这样做忽视了SR重建与SR分割任务之间的相关性和互补性。实际上，不仅SR重建过程的细节信息能辅助SR分割过程生成更加精准的分割掩膜，SR分割过程提供的抽象的语义信息也能指导SR重建过程生成更加符合真实分布的纹理细节；第二种是用串行的方式结合SR重建模型和SR分割模型，这种做法虽然让SR重建和SR分割过程能够相互影响，相互调整，但两个过程之间的交互仍然不充分。此外，并行的方式会导致误差的积累。因此，仍然缺乏一种能够有效结合SR重建和SR分割，从而实现两个过程相互促进的方法。

发明内容

发明目的：本发明的目的旨在提供一种超分辨率重建辅助的CT图像超分辨率分割方法。该方法利用SR重建与SR分割任务间的互补性，具体的，SR重建过程中还原的纹理、边缘等细节特征能够帮助SR分割过程预测出更加精确的分割掩膜，SR分割过程中提取出的抽象的语义特征也能引导SR重建过程生成更加符合真实分布的纹理细节。此外，考虑到CT图像中感兴趣的区域的尺寸变化很大，该方法使用多尺度的大核卷积来提取多尺度特征，从而进一步提升重建与分割的性能。

技术方案：为实现上述目的，本发明提供一种超分辨率重建辅助的CT图像超分辨率分割方法，包括如下步骤：

S1：使用bicubic插值算法对原始的CT图像进行下采样，将原始的CT图像4倍下采样为低分辨率图像，使用原始的CT图像和分割标签分别作为超分辨率重建标签和超分辨率分割标签；

S2：将步骤S1中的低分辨率图像输入编码器，并通过两个独立的解码器分支分别进行超分辨率重建和超分辨率分割；

S3：使用多尺度融合模块（MSFB）提取多尺度特征，并将步骤S2中编码过程中产生的中间特征传给解码器。

S4：使用双通道注意力模块（DCAB）对步骤S2中的编码器和解码器的中间特征进行融合。

S5：通过损失函数对以上所述模型进行优化。

该方案充分利用SR重建与SR分割任务间的互补性，具体的，SR重建过程中还原的纹理、边缘等细节特征能够帮助SR分割过程预测出更加精确的分割掩膜，SR分割过程中提取出的抽象的语义特征也能引导SR重建过程生成更加符合真实分布的纹理细节。