[发明专利]基于深度神经网络的黑色素瘤图片组织分割方法和系统

说明书

本发明公开了一种基于深度神经网络的黑色素瘤图片组织分割方法和系统，主要是利用深度神经网络技术来解决黑色素瘤的皮肤镜图片的组织分割问题，是一种用于医学图像的分析处理技术，主要是使用一种改进的深度神经网络结构建模，用已经有分割标签的皮肤镜图片训练该模型，然后训练好的模型对新的皮肤镜图片具有分割可疑组织的能力。本发明方法和系统旨在定位黑色素瘤皮肤镜图片中的可疑区域并对其进行像素级的分割；本发明使用了较新的深度学习技术，充分发挥其采集图像数据各种层次特征的能力，将其应用于建模过程中，能够较好的对可疑的皮肤组织进行定位、分割，能够为皮肤科医师的进一步分析提供很好的参考。

技术领域

本发明涉及医学图像处理技术领域，尤其是指一种基于深度神经网络的黑色素瘤图片组织分割方法和系统。

背景技术

随着计算机技术、医学成像技术的发展以及社会医疗需求的逐年增加，医学数据特别是医学图像数据正在以前所未有的速度增加，对医学图像进行精确识别具有显而易见的社会意义和使用价值。同时，在计算机视觉和模式识别领域，深度学习中的有监督学习方式正成为理论和工业界的热点，取得了突破性的进展。鉴于传统的医学图像分析大多采用人工标注或者人工提取特征之后再使用机器学习这种做法，不仅费时费力、提取困难，而且还存在精度差等问题。

黑色素瘤是一种多发于皮肤黑素细胞的癌症。它也是皮肤癌中致死率最高的一种癌症，约占皮肤癌中死亡率的75％。但是如果黑色素瘤能够在早期发现并给予得当的治疗的话，生存率是很高的。所以这就给早期黑色素瘤图片的分析提出了需求和挑战。

皮肤镜技术的提出使得黑色素瘤的分析诊断更加方便也更加有效。皮肤镜是一种非侵入式的皮肤图像采集技术，能够获得放大的、识别度高的可疑区域的皮肤图像。它可以通过消除皮肤表面的反光、增强皮肤更深层次的视觉效果。所以这种设备被广泛的用于黑色素瘤的诊断并且能够获得比裸眼诊断更加准确的结果。但是，由皮肤科医师对这种皮肤镜图像进行直接的观察并得出结论依然是很费时间的，而且同样不能避免差错和主观性。所以为了方便皮肤科医师或者是自动诊断机制的进一步工作，对皮肤镜图片的预处理和分析工作就提出了需求。其中一个重要的预处理工作就是对皮肤镜图片进行病变组织的自动分割，这样的操作能够把可疑区域的位置和正常皮肤的边界划分开来，自动定位可疑区域的位置，构成“感兴趣区域”，为皮肤科医生的进一步诊断和分析带来了方便。可疑组织的分割框架如图1所示。

从皮肤镜图像中进行组织分割是一项非常具有挑战性的工作。首先，黑色素瘤涉及的各种关于颜色、纹理、形状和尺寸的组内变异，病变部位在图片中的位置以及图片之间高度的视觉相似性，都使得自动组织分割变得十分困难。然后，病变组织和正常皮肤的边界在发病的早期阶段相对来说并不是那么清晰，这种模糊性又进一步增加了分割的难度。最后一点是人工因素的干扰，无论是天生的，比如毛发、血管，还是人为的，出现气泡、量度印记、色彩校正等等，都可能使病变组织变得模糊进而导致边界划分难度的增加。

在之前提出的自动分割的解决方案中，人们趋向于用传统的图像处理方法来解决这个问题，主要是基于聚类、阈值、区域增长、颜色通道或者变形模型等等。这些解决方案不但需要用到大量的领域知识和启发式方法，有时候还是凭借运气和经验。最主要的局限是，这些方法取得非常有限的成果。

最近随着深度学习的发展，特别是卷积神经网络在图像识别领域的流行，医学图像分析领域也取得了巨大的成果。也已经开始有人在黑色素瘤的图片分析方面应用了卷积神经网络，希望通过CNN的判别能力获取更好的效果。本发明就是一个比较新颖的基于深度神经网络的解决方案。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种基于深度神经网络的黑色素瘤图片组织分割方法和系统，该方法和系统旨在定位黑色素瘤皮肤镜图片中的可疑区域并对其进行像素级的分割，使用了较新的深度学习技术，充分发挥其采集图像数据各种层次特征的能力，将其应用于建模过程中，能够较好的对可疑的皮肤组织进行定位、分割，能够为皮肤科医师的进一步分析提供很好的参考。