[发明专利]一种肝脏CT图像分割方法及系统

说明书

本发明公开了一种肝脏CT图像分割方法及系统，该方法首先获取CT图像，利用卷积神经网络编码器提取出CT图像的不同层次特征，并进行相邻层次关联，解码获得多层次特征图，通过对准块进行对齐，并调整到输入时的最高分辨率；将调整后的多层次特征图与全局上下文注意向量相乘并进行卷积，得到分割概率图，所述系统包括了编码模块、解码模块、对准模块和输出模块。本发明的方法及系统对不同层次特征根据权重进行融合，增强了特征的传输，同时考虑到实际肿瘤的大小以及肿瘤处于不同时期的影响，相比于其他分割算法，本方法具有更好的分割效果及鲁棒性。

技术领域

本发明属于医学图像处理领域，具体涉及一种肝脏CT图像分割方法及系统。

背景技术

肝癌是世界上最常见的癌症之一，每年造成大量死亡。通过CT(ComputedTomography)体积对肝脏肿瘤状态的准确测量，包括肿瘤的体积、形态和位置，可以有效帮助医生进行对肝癌细胞的评估和手术规划。然而，肝脏肿瘤的大小、形状、纹理以及在患者体内的位置各不相同，并且不同类型的肿瘤(如良恶性肿瘤)在不同阶段表现各异，很难设计特征来提取肝脏肿瘤的特征。

现有技术中通常是采用基于全卷积网络(Fully Convolutional Network)的肝脏肿瘤自动分割方法，该模型采用编码器对输入图像进行特征提取和压缩，采用解码器对分割图像进行恢复。然而这种方法对只保留了不同层次的特征，然而忽略了解码器不同层次之间的相关性，存在着分割效果不够精细的问题。

发明内容

本发明提供了一种肝脏CT图像分割方法及系统，以解决现有技术中肝脏肿瘤CT图像分割效果不够精细的问题，为解决该问题，本发明的技术方案如下：

一种肝脏CT图像分割方法，包括：

获取CT图像，利用编码器提取出所述CT图像的不同层次特征，其中编码器为卷积神经网络；

将所述CT图像的不同层次特征进行相邻层次关联，进行解码，获得多层次特征图；其中相邻层次关联为将当前待解码的层次特征与其相邻的高级的层次特征进行加权；

对所述多层次特征图通过对准块进行对齐，并调整到获取CT图像时的最高分辨率；

将调整后的多层次特征图与全局上下文注意向量相乘并进行卷积，得到分割概率图；其中，所述的全局上下文注意向量通过所述CT图像的不同层次特征全局平均池化并进行卷积得到。

进一步地，所述的编码器中每一个卷积块由2个重复卷积层组成；所述的编码器中除了最后一个卷积块，其他卷积块都有与其对应的最大池化层。

进一步地，所述的编码器中，卷积层的滤波器大小为3×3，池化层的滤波器大小为2×2。

进一步地，所述CT图像的不同层次特征进行相邻层次关联，进行解码，获得多层次特征图包括：

将相邻层次中的高级层次特征通过2个1×1级的卷积层进行压缩，并通过Sigmoid函数生成高级层次向量，通过元素的乘法与低级层次向量特征集成，然后将加权后的低级层次特征传输到解码器；其中低级层次特征为当前待解码的层次特征。

进一步地，所述的相邻层次关联包括：

当当前待解码的层次为最高，则将最高级的层次特征直接进行解码。

进一步地，全局上下文注意向量还包括通过2个1×1级卷积层与调整后的多层次特征图对齐。

进一步地，将调整后的多层次特征图与全局上下文注意向量相乘，进行3×3和1×1的卷积，得到分割概率图。

一种肝脏CT图像分割系统，包括：

编码模块：用于提取出所述CT图像的不同层次特征；