[发明专利]基于特征对齐域的SP-CTA图像冠脉分割方法及装置

说明书

基于特征对齐域的SP‑CTA图像冠脉分割方法与装置，方法包括：(1)图像预处理：对源域图像及其标注数据进行缩放，使同一病人的CTA图像和SP‑CTA图像具有相同的大小；(2)在特征提取阶段，采用特征共享的方式使SP‑CTA图像能够有效利用CTA图像空间学习的知识，进而加速网络的收敛；在卷积网络中使用特定于域的BN层；(3)在训练阶段，CTA图像与SP‑CTA图像分别以batch‑size的大小加载并同时输入到冠脉分割网络中，网络利用共享卷积核及不同的BN层，得到两个域输入图像的血管预测概率图；(4)在血管预测空间引入对抗性损失函数，网络中加入两个判别器，分别对分割网络输出的预测概率图与预测熵图进行对应模态的判别；(5)分割网络采用三次下采样和三次上采样。

技术领域

本发明涉及医用图像处理的技术领域，尤其涉及一种基于特征对齐域的SP-CTA图像冠脉分割方法，以及基于特征对齐域的SP-CTA图像冠脉分割装置。

背景技术

CT检查在临床中应用十分广泛，CT以其扫描速度快，对骨头及钙化敏感而具有部分优势。CTA是CT血管成像，是CT临床应用中一个非常重要的部分，由于血管及其背景软组织自然对比差，常规CT平扫往往难以显示血管。在行CTA检查的时候，需要引入对比剂，改变血管与背景组织的影像对比，从而突显血管。CTA广泛的应用在头颈部血管、心脏冠状动脉、肺动静脉、胸主动脉、腹主动脉、下肢动静脉中。

目前SP-CTA图像冠脉分割面临的问题如下：

1.具有标注的SP-CTA图像较少，缺少用于训练网络的数据集，若直接使用SP-CTA数据来训练网络，则可能会导致网络难以收敛，模型的鲁棒性以及学习的特征有效性也会受限；2.相较于一般的CTA图像，SP-CTA图像伪影较为严重，血管结构较为模糊，手工标注分割图像较困难；3.一般SP-CTA都会有与之配对的CTA数据，但由于成像设备及成像方式的差异，导致CTA与SP-CTA两者之间的物理信息基本不同(包括图像层数、空间spacing、origin、图像灰度分布等与分割任务相关的信息)，因此若想使用特征对齐的方法将源域CTA图像的特征与SP-CTA共享，则必须先对图像进行预处理，尽量使二者物理信息匹配。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种基于特征对齐域的SP-CTA图像冠脉分割方法，其能够对未标记的目标域数据给出更可靠的预测，进而减小域分布差异。

本发明的技术方案是：这种基于特征对齐域的SP-CTA图像冠脉分割方法，其包括以下步骤：

(1)图像预处理：对源域图像及其标注数据进行缩放，使同一病人的CTA图像和SP-CTA图像具有相同的大小；

(2)在特征提取阶段，采用特征共享的方式使SP-CTA图像能够有效利用CTA图像空间学习的知识，进而加速网络的收敛；在卷积网络中使用特定于域的BN层；

(3)在训练阶段，CTA图像与SP-CTA图像分别以batch-size的大小加载并同时输入到冠脉分割网络中，网络利用共享卷积核及不同的BN层，得到两个域输入图像的血管预测概率图；

(4)在血管预测空间引入对抗性损失函数，网络中加入两个判别器，分别对分割网络输出的预测概率图与预测熵图进行对应模态的判别；

(5)分割网络采用三次下采样和三次上采样；卷积块由两个卷积核大小为3×3×3的卷积层，BN层以及LeakyReLU激活函数构成，卷积层的通道数分别设置为16，32，64，128，提取特征后，利用最大池化进行下采样；上采样阶段采用3D反卷积操作，通过学习相关参数恢复与原始图像大小相同的特征图；为了恢复下采样丢失的部分信息，在解码阶段通过跳连接融合低维特征；在最后的预测阶段，采用两个不同的卷积操作以预测不同域的血管概率。