[发明专利]一种融合先验信息的前列腺磁共振图像区域分割方法

权利要求书

1.一种融合先验信息的前列腺磁共振图像区域分割方法，其特征在于，所述方法包括：

步骤1：获取前列腺磁共振数据集，将其划分为训练集、验证集和测试集三部分，并将前列腺三维磁共振图像转化为二维轴向序列切片图像；

步骤2：图像预处理：对所有序列切片图像依次进行灰度归一化处理、中央裁剪处理、尺寸归一化处理以及对比度限制自适应直方图均衡化处理；

步骤3：数据扩充处理：对步骤2所得的训练集图像及相应的标签图像进行数据扩充处理，具体包括：水平翻转、小幅度随机平移、小角度随机旋转和弹性形变；

步骤4：构建形状重构网络，包括以下步骤：

1)使用卷积自动编码器为基本架构，构建形状重构网络；

2)将步骤3所得的训练集标签图像作为步骤1)中形状重构网络的输入，对形状重构网络进行预训练；

步骤5：构建融合先验信息的分割网络，包括以下步骤：

1)使用U-Net作为分割网络的基本架构，将形状重构网络作为一个扩展网络连接到U-Net，同时将空间约束模块嵌入到U-Net底部，构建融合先验信息的分割网络；

2)将步骤3所得的训练集图像及其对应的标签图像作为步骤1)中分割网络的输入，开始融合先验信息的前列腺区域分割网络的训练；

3)通过前向传播对网络进行训练，然后通过softmax分类器输出预测的概率图；根据损失函数进行损失计算，通过反向传播更新网络中的参数值，重复此过程直到训练损失值收敛，完成一次网络训练，生成初步的融合先验信息的前列腺区域分割网络；

步骤6：将步骤3所得的验证集图像及其对应的标签图像作为步骤5中步骤3)网络的输入，根据输出结果对网络超参数进行调整优化，获得融合先验的前列腺区域分割网络；

步骤7：利用步骤6所得的分割网络对步骤2中预处理后的测试集图像进行前列腺区域分割，得到前列腺外周带和中央区分割结果图。

2.针对权利要求1所述一种融合先验信息的前列腺磁共振图像区域分割方法，其特征在于：步骤2中对图像进行灰度归一化处理时，归一化后的像素值x^*为：

其中，x表示图像像素值，μ表示图像像素的平均值，σ表示图像像素的标准差。

3.针对权利要求1所述一种融合先验信息的前列腺磁共振图像区域分割方法，其特征在于：步骤2中以原图像中心作为裁剪中心，按照图像长和宽保留2/3的比例进行中央裁剪。

4.针对权利要求1所述一种融合先验信息的前列腺磁共振图像区域分割方法，其特征在于：步骤2中将图像尺寸统一归一化为240×240。

5.针对权利要求1所述一种融合先验信息的前列腺磁共振图像区域分割方法，其特征在于：步骤3中对图像进行数据扩充处理，包括以下步骤：

1)水平翻转：沿图像的水平方向对图像进行翻转；

2)小幅度随机平移：分别沿上下左右四个方向对图像进行随机平移，设置平移范围为4～8个像素点；

3)小角度随机旋转：以图像中心为原点对图像进行随机旋转，设置旋转角度范围为-15°～15°；

4)弹性形变：对图像中每个像素点随机生成一个位移向量，使用一个均值为0、标准差为σ的高斯函数对随机生成的位移向量进行高斯卷积操作，并将结果施加到原图像，得到弹性形变后的图像，其中σ范围为2～10。

6.针对权利要求1所述一种融合先验信息的前列腺磁共振图像区域分割方法，其特征在于：步骤5中步骤3)的损失函数来自三部分：分割网络、形状重构网络和空间约束模块，其公式描述如下：

L＝L_Seg+ω_SRL_SR+ω_SCL_SC

其中，L_Seg、L_SR和L_SC分别表示分割损失、形状重构损失和空间约束损失，ω_SR和ω_SC分别表示形状重构损失和空间约束损失的权重系数，具体如下：

i)分割损失：采用指数对数损失，该损失函数结合了加权交叉熵损失和DSC损失，其公式描述如下：

L_Seg＝λ_WCEL_WCE+λ_DSCL_DSC

其中，λ_WCE和λ_DSC分别表示加权交叉熵损失函数和DSC损失函数的平衡系数，L_WCE和L_DSC分别表示经过指数和对数转换后的加权交叉熵损失和DSC损失，其公式描述如下：

其中，N表示图像中总的像素点数，C表示分割类别总数，表示像素点i被预测为c类的概率，表示属于c类的像素点i的真实值，γ_WCE和γ_DSC表示用于控制两部分损失函数非线性的两个超参数。

ii)形状重构损失：

形状重构损失利用卷积自动编码器来正则化分割结果，其公式描述如下：

其中，R_i表示真实标签中像素点i重构后的值，表示经分割网络后预测图像中像素点i重构后的值，||·||_F表示矩阵的Frobenius范数，定义为矩阵元素绝对值平方和的平方根。

iii)空间约束损失：

空间约束损失利用切片的空间位置信息来正则化分割结果，其公式描述如下：

其中，P_i表示切片i对应真实标签的空间位置，表示切片i预测得到的空间位置。