[发明专利]一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法

说明书

本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法，包括：采集腹部CT扫描中包含肾脏的图像序列，对每个图像序列中的肾脏及肿瘤进行标注，生成对应的标注掩码,构建数据集Dataset；对Dataset进行P1预处理操作，构建肾脏(包括肿瘤)分割的U型深度网络模型M1；对Dataset中的图像序列与对应的标注掩码进行裁剪，取出只有肾脏(或肿瘤)的体素部分，进行P2预处理操作，基于门控卷积层构建肿瘤分割的深度网络分割模型M2；分别对模型M1、M2进行训练；通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型，并联合门控卷积层构建了用于肿瘤分割的深度网络模型，能够对癌变肾脏的形状变化保持鲁棒，有效分割出不同尺寸的肿瘤。

所属技术领域

本发明涉及计算机、软件类以及人工智能技术等领域，尤其涉及基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法。

背景技术

医学图像成像技术在科学技术的迅速发展中取得了巨大的进步，该技术集现代医学、物理学、电子信息和计算机技术等诸多技术于一体，已经成为医学领域不可或缺的重要手段。计算机断层扫描(Computed Tomography，简称CT)是当前广泛使用的医学成像方式，能够准确全面地描述人体器官、组织和病灶的详细特征，使得专业医师能够更直接、更清晰地对病变部位进行非侵入式观察，以便及时制定有效的治疗方案，从而提高疾病的确诊效率和治愈率。肾脏是泌尿系统的关键组成部分，担任着调节酸碱平衡和新陈代谢等重要功能，由于人们生活节奏的加快和工作压力的增大，导致各种肾脏疾病不断增加。肾肿瘤是常见的肾脏疾病，即“肾癌”，也叫肾细胞癌，起源于肾上皮的恶性肿瘤，其病理类型复杂，临床表现殊异。相比于其他医学成像方式，CT图像能够在较好地呈现和区分出肾癌的病变特性，成为医生对肾脏疾病进行初步诊断和后续跟进的重要依据。

在临床治疗中，准确分割出肾脏和病变区域对于病情诊断，功能评估和治疗决策非常重要。早期的分割工作是由有经验的医生手动勾画的，这种分割方式主观性强、效率低并且分割结果无法复现，不能很好地满足临床要求，已经无法满足当前的定量诊断需求。随着现代科学技术的发展，使得利用计算机技术实现医学图像分割成为可能，研究人员开始纷纷探索自动分割的方法。然而，准确可靠地分割出CT图像中的肾脏存在一些难点，比如：CT图像对比度低，肾脏与相邻的器官和组织之间边界模糊，个体形状存在差异，肾脏内部的水和空气容易引起噪声和空洞等。对于肾癌患者而言，由于肿瘤尺寸多样，且与正常肾脏组织像素值相近，以致边界难以区分，使得分割CT图像中的肾脏肿瘤存在诸多挑战。因此，开发用于CT图像中的肾脏肿瘤的全自动分割算法有着很实际的研究意义。

目前，深度学习在各个领域均取得了显著的成果，其优越性得益于卷积神经网络能够自动提取特征的能力，使得深度学习模型能够普遍适用于不同任务，并且这种优势随着相关理论的不断深入表现地越来越明显，使之迅速发展成大数据时代的主流技术。近年来，用于医学图像分割的深度学习模型逐渐出现在当前的研究之中。虽然卷积神经网络能够自动提取有效的特征，但是针对CT图像肾脏肿瘤分割问题，仍存在对于肾脏形态变化不够鲁棒，以及肿瘤分割不够准确等问题。建立图像肾脏肿瘤的精确分割模型可为临床提供定量诊断依据，辅助医生决策，具有重要的临床意义和良好的应用前景。

发明目的：

本发明所要解决的技术问题在于CT图像肾脏及其肿瘤分割，提出基于级联门控三维全卷积网络3DUnet模型的肾脏肿瘤分割算法，实现CT图像序列中的肾脏肿瘤区域的准确分割。

技术方案：

为解决上述技术问题，本发明提供了一种基于级联门控3DUnet模型的肾脏肿瘤分割算法，其技术方案如下：

一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法，包括如下具体步骤：

S101，采集腹部CT扫描中包含肾脏的图像，取出包含肾脏或肿瘤的切片图像构成图像序列，利用标注软件对每个切片图像中的肾脏及肿瘤进行标注，生成对应的标注掩码，构建数据集Dataset；