[发明专利]基于改进3D U-Net的多器官分割方法

说明书

本发明提供了一种基于改进3D U‑Net的多器官分割方法，包括以下步骤：(a)预处理待分割图像数据集；(b)基于待分割图像特征，构建基于3D U‑Net的多器官分割网络，并利用空间金字塔池化提取下采样层特征图的多尺度信息并与上采样层提取的特征信息通过快捷连接进行融合；(c)将预处理后的数据集划分为训练集，验证集，并利用改进后的3D U‑Net网络进行训练；(d)利用训练后的网络对测试集进行分割处理，并对分割后的图像进行后处理操作，得到最终的分割结果。本发明通过改进3D U‑Net网络的结构和损失函数，有效得解决了由于多器官尺度不均衡而引起的小器官分割精度较低的问题。

技术领域

本发明涉及一种基于改进3D U-Net的多器官分割方法。

背景技术

近年来，人体器官发生癌变的概率居高不下，当前，治疗癌变器官的主要手段是通过放疗实现的。而放疗需要精确地分割图像中的危及器官(Organs in risk，OARs)，以区分正常器官和病灶，防止放疗手段对正常器官造成损伤。

以往，医学图像中的多器官的分割都是通过专业训练的放射科医师来完成的，但是，专业且富有经验的放射科医师的培养需要耗费大量时间和精力，而且依赖于人工分割的方法也会耗费大量的时间，错过最佳的治疗时期。

因此，设计一种端到端并且自动实现多器官自动分割的方法成为亟需解决的问题。

发明内容

本发明的目的在于提供一种基于改进3D U-Net的多器官分割方法。

为解决上述问题，本发明提供一种基于改进3D U-Net的多器官分割方法，包括：

(a)预处理待分割图像数据集，以得到预处理后的数据集；

(b)基于待分割的图像特征，构建基于3D U-Net的多器官分割网络，所述基于3DU-Net的多器官分割网络包括：下采样层和上采样层；并利用空间金字塔池化提取下采样层的特征图的多尺度特征的信息并与上采样层提取的特征信息进行融合，得到改进后的3DU-Net网络；

(c)将预处理后的数据集划分为训练集、验证集和测试集，并利用所述训练集和验证集对改进后的3D U-Net网络进行训练，得到训练后的网络；

(d)利用训练后的网络对测试集进行分割处理，并对分割后的图像进行后处理操作，得到多器官图像的分割结果。

进一步的，在上述方法中，步骤(a)包括：

(a1)归一化处理图像数据集，得到归一化后的数据集；

(a2)裁剪掉归一化后的数据集中每个标签数据中的没有像素点的边框，以得到预处理后的数据集。

进一步的，在上述方法中，步骤(b)包括：

(b1)根据待分割的图像特征，构建基于3D U-Net的多器官分割网络，所述基于3DU-Net的多器官分割网络包括：4个下采样层构成的编码器和4个上采样层构成的解码器；

(b2)利用空间金字塔池化层完成图像信息的多尺度特征提取，并利用最大池化运算，构建所述基于3D U-Net的多器官分割网络的下采样层；

(b3)利用空间金字塔池化层对快捷连接的特征图进行运算，提取多尺度特征的信息并融合上采样层提取的特征信息；

(b4)定义改进型3D U-Net分割模型的损失函数为hybrid loss，hybrid loss的公式如下：

其中，