[发明专利]一种基于多模态特征融合Vnet的乳腺肿块分割方法

说明书

本发明提供一种基于多模态特征融合Vnet的乳腺肿块分割方法，包括以下步骤：S1：获取乳腺磁共振图像及医生手工标记的乳腺肿块分割结果的数据集；S2：数据预处理，对数据集中的数据进行划分；S3：构建基于多模态特征融合Vnet的网络模型；S4：训练步骤S3的网络模型，进行参数调整，得到预测的乳腺肿块分割结果；S5：利用设定的评价指标和损失函数对步骤S4所得的预测的乳腺肿块分割结果与S1中医生手工标记的乳腺肿块分割结果进行比较，验证分割方法的有效性。本发明能有效提高乳腺肿块分割准确率，辅助医生进行诊断和决策，减轻医生的负担，在乳腺肿块辅助诊断、手术模拟和医疗教学具有较强的应用价值。

技术领域

本发明涉及医学图像处理领域，具体涉及一种基于多模态特征融合Vnet 的乳腺肿块分割方法。

背景技术

乳腺癌是女性最为常见的恶性肿瘤，也是全球女性癌症死亡的首要原因。早期筛查和治疗是提高乳腺癌患者生存率的重要手段，其中，核磁共振成像技术具有极好的软组织分辨力和无辐射等特点，对乳腺检查具有独到的优势。近年来我国开展乳腺核磁共振检查的临床和研究工作亦越来越多，在乳腺癌高危病人中，乳腺核磁共振检查有更高的敏感性。尽管乳腺磁共振成像是乳腺疾病检查和诊断的重要方法，但对于医生而言阅读核磁共振图像绝非易事，医生的判断过程往往费时费力，同时等待诊断的核磁共振图像数量很多，导致医生的工作繁重，视觉疲劳，从而引起了诊断精度的下降。在诊断过程中也可能会因为人眼对像素对比度过小的地方不能很好的分辨，导致对细小的病灶不能够准确判断，容易忽略早期病灶，从而影响治疗。

因而，如何帮助医生更有效地分析病人乳腺肿块的信息，为医生提供客观的诊断辅助，亟需一种新的方法能有效地分割出乳腺磁共振图像中的肿块，降低医生在阅读核磁共振图像时的漏诊率和误诊率，从而有效进行大规模乳腺肿块的分割和分析。

发明内容

本发明要解决的技术问题是提供一种基于多模态特征融合Vnet的乳腺肿块分割方法，通过自动提取有效特征降低对先验知识依赖的同时可以避免人为特征提取的不完备性和主动偏差，是一种更加智能和客观的方法，能有效提高乳腺肿块分割准确率，辅助医生进行诊断和决策，减轻医生的负担，在乳腺肿块辅助诊断、手术模拟和医疗教学具有较强的应用价值。

为解决上述问题，本发明的实施例提供一种基于多模态特征融合Vnet的乳腺肿块分割方法，包括以下步骤：

S1：获取乳腺磁共振图像及医生手工标记的乳腺肿块分割结果的数据集；

S2：数据预处理，对数据集中的数据进行划分；

S3：构建基于多模态特征融合Vnet的网络模型；

S4：训练步骤S3的网络模型，进行参数调整，得到预测的乳腺肿块分割结果；

S5：利用设定的评价指标和损失函数对步骤S4所得的预测的乳腺肿块分割结果与步骤S1中医生手工标记的乳腺肿块分割结果进行比较，验证分割方法的有效性。

其中，所述步骤S1中的具体步骤为：

S1.1：获取多个病例的四种不同模态的三维T1加权的乳腺磁共振图像，包括低、中、高风险病例，以及具有良性和恶性肿瘤的病例，同一病例的动态扫描磁共振图像包括注射造影剂前和注射造影剂后的多个时间段的图像，建立数据集；

S1.2：获取医生手工标记数据集图像，通过ITK-SNAP软件三维分割乳腺肿块区域。

其中，所述步骤S2包括以下步骤：

S2.1：重采样：对数据集中不同图像进行重采样，使用数据集中各个图像不同间距的中值来确定重采样的目标空间大小，并根据目标间距确定每张图像的目标尺寸，最后对每张图片进行调整；

S2.2：图像裁剪：将图片统一裁成64*64*64的尺寸，得到裁剪图像；