[发明专利]一种网格网络的大脑磁共振图像肿瘤定位方法

摘要

本发明提供了一种一种网格网络的大脑磁共振图像肿瘤自动定位方法，提出了一种新的三维物物体检测方法，采用一种浅层的三维卷积神经网络模型提取图像特征，采用网格方式进行分类定位。本发明包括：从基于残差网络的三维深度卷积神经网络的骨干网络中获得图像的特征，基于骨干网络获得的特征图像进行大脑肿瘤定位。本发明能较好地应用于大脑核磁共振图像，实现三维核磁共振图像中的肿瘤区域定位，定位结果准确，且计算资源代价较低。

主权项

1.一种网格网络的大脑磁共振图像肿瘤自动定位方法，其特征在于，包括如下步骤：/n步骤1，定义基于残差网络的三维深度卷积神经网络的骨干网络，具体包括如下子步骤：/n1-1，将输入的三维MRI图像数据X：(L,W,H,1)进行步长为2，kernel为[3,3,3]的三维卷积操作，三维卷积的卷积核数量设置为C1，生成数据Y1：(L/2,W/2,H/2,C1)，其中，L，W，H分别为原始图像的长，宽，高；/n1-2，定义一个步长为1，kernel为[3,3,3]的三维卷积SSCNN；/n1-3，将数据Y1：(L/2,W/2,H/2,C1)进行一次SSCNN卷积，卷积核的数量设定为C1，生成卷积后的结果Y1_1：(L/2,W/2,H/2,C1)，再进行一次SSCNN卷积，卷积核的数量设定为C1，生成卷积后的结果Y1_2:(L/2,W/2,H/2,C1)，最后将Y1和Y1_2每一个元素相加操作，生成数据Y2：(L/2,W/2,H/2,C1)；/n1-4,将数据Y2：(L/2,W/2,H/2,C1)进行一次SSCNN卷积，卷积核的数量必须设定为C1，生成卷积后的结果Y2_1：(L/2,W/2,H/2,C1)，再进行一次SSCNN卷积，卷积核的数量必须设定为C1，生成卷积后的结果Y2_2:(L/2,W/2,H/2,C1),最后将Y2和Y2_2每一个元素相加操作，生成数据Y3：(L/2,W/2,H/2,C1)；/n1-5，将数据Y3：(L/2,W/2,H/2,C1)进行步长为2，kernel为[3,3,3]的三维卷积操作，三维卷积的卷积核数量指定为C2,生成数据Y4：(L/4,W/4,H/4,C2)；/n1-6，重复步骤1-3，1-4，1-5两次，最后执行一次步骤1-3，1-4得到根据图像提取的特征Y：(L/16,W/16,H/16,C)，其中C为最后重复1-4中的卷积核数量；/n步骤2，定义网格肿瘤定位网络，具体包括如下子步骤：/n2-1，将骨干网络输出的特征图Y：(L/16,W/16,H/16,C)进行一次SSCNN卷积,卷积核的数量设定为C3，得到数据G1(L/16,W/16,H/16,C3)；/n2-2，再将数据G1(L/16,W/16,H/16,C3)进行一次kernel为1×1×1，在长、宽、高上步长分别为(L/16)/N,(W/16)/M,(H/16)/K的三维卷积操作，卷积核的数量设定为2，得到数据G：(N,M,K,2),其中N，M，K分别表示设定的原始图像在长宽高上的划分个数；/n2-3，将得到数据G：(N,M,K,2)通过Softmax操作，转化成原始图像每个网格包含肿瘤块和不包含肿瘤块的类别概率G1：(N,M,K,2)，通过类别概率的大小，将类别概率值大的类别赋予当前的图像块，最后将所有包含肿瘤的图像块整合起来，形成完整的肿瘤块的定位；/n步骤3，对三维大脑MRI图像进行肿瘤定位，具体包括如下子步骤：/n3-1，将三维核磁共振图像分为N×M×K个三维图像块，每个三维图像块的大小为(H/N)×(W/M)×(L/K)，其中，H，W，L分别表示原始三维核磁共振图像的长，宽，高；/n3-2，对三维核磁共振图像进行网格化的标签，网格的类别包括包含肿瘤的图像块，以及不包含肿瘤的图像块；/n3-2，将三维核磁共振图像放入步骤1的网络中，产生(L/16)×(W/16)×(H/16)×C的特征图；/n3-3，将获得的特征图像放入步骤2的网络结构中，产生N×M×K×1的每个网格分类，分类为包含肿瘤块和不包含肿瘤块两种，对肿瘤完成定位。/n