[发明专利]一种基于图卷积神经网络的交互式医学图像分割方法及系统

权利要求书

1.一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，包括以下步骤：

S1，将待分割的原始医学图像加载并可视化，在原始图像上提供初始交互点；

S2，采用B样条曲线插值法对目标分割区域的初始交互点处理得到一个闭合曲线，通过在曲线上等步长采样得到一组分割区域轮廓的控制点，得到预分割结果；

S3，针对预分割结果不满意的区域进行交互式分割，基于图卷积的神经网络模型基于交互式分割的交互信息进行实时学习并且预测周围控制点的偏移，持续交互直到分割达到满意的结果，即得到最终控制点；

S4，将最终控制点使用B样条曲线插值成一个闭合曲线，通过闭合曲线提取得到目标区域的最终分割结果。

2.根据权利要求1所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，初始交互点为目标分割区域的边界点或极值点。

3.根据权利要求1所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，将待分割的原始医学图像加载到可视化界面中；通过点击加载到界面中的图像的极值点位置，获取初始交互点的坐标信息；将获得的初始交互点的坐标转换为医学图像的相对坐标。

4.根据权利要求2所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，初始交互点包括目标分割区域的四个极值点。

5.根据权利要求4所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，四个极值点构成的集合定义为：

V＝{v₀,v₁,v₂,v₃}

式中v代表集合中点的坐标，表示为v＝(x,y)，将集合V中的第一个元素追加到集合末尾，得到一个新的集合V′：

V′＝{v₀,v₁,v₂,v₃,v₀}

基于集合V′，使用B样条插值算法得到一条闭合曲线作为预分割结果，将初始分割的轮廓定义为：

C＝{v_i|i＝0,…,n}

在初始轮廓的基础上，通过相同的采样步长生成控制点，得到一组轮廓控制点集合：

P＝{v_s*i|i＝0,…,t,s*t≤n}

式中s即采样的步长，t+1就是最终的到的控制点个数。

6.根据权利要求1所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，通过点击正确的边界位置进行交互，此时会将距离点击点最近的控制点作为需要修正的点，将点击点作为正确的移动终点，然后进行预测。

7.根据权利要求1所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，通过拖拽控制点的方式进行交互，此时被拖拽的控制点将会更新到拖拽的终点位置，然后进行预测。

8.根据权利要求1所述的一种基于图卷积神经网络的交互式医学图像分割方法，其特征在于，基于用户交互信息，生成标签作为模型学习的监督信息；每个控制点的标签是坐标偏移量：

Δx＝x₁-x₀

Δy＝y₁-y₀

式中将偏移量定义为更新后坐标减去原始坐标，通过原始坐标(x₀,y₀)和更新后坐标(x₁,y₁)求得偏移量(Δx,Δy)，用户提供的交互点通过此公式计算出偏移量用于模型学习，然后预测出交互点周围左右各四个控制点的偏移量，得到偏移量后结合原始坐标可以计算出更新后的坐标：

x′＝x+Δx

y′＝y+Δy

式中(Δx,Δy)是算法预测得到的偏移量，(x,y)是原始控制点坐标，相加可以求得更新后的坐标(x′,y′)。