[发明专利]一种病灶的3D分割模型及其应用

说明书

本发明公开了一种病灶的3D分割模型及其应用，其中病灶的3D分割模型包括依次连接的：特征编码器；特征解码器；后处理模块，通过条件随机场与膨胀腐蚀方法对所述残差网络模块的输出进行处理；形状重构模块，以3D分割模型的预测掩码与预先得到的标注掩码进行对抗训练；所述特征编码器或特征解码器中的卷积采用残差网络，所述残差网络的输入与输出之间采用并联卷积结构及跳连结构。本发明的3D分割模型可以增强对细节特征的学习能力，使得模型在较低分辨输入情况下，分割准确度保持较高水平，同时可以增强像素间关联性，较好地修补边缘缺失掩码。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种病灶的3D分割模型及其应用。

背景技术

精准肺部分割对肺部病变诊断、手术配准与导航规划具有重要意义。医生在手术前需要从计算机断层扫描(CT)影像中勾勒肺部区域，以准确完成术前配准与导航规划。肺部勾勒是一项依靠医生主观经验、劳动密集型的工作，容易造成诊断结果的不稳定，实现快速、稳定和准确的肺部自动分割方法是当前研究的热点。

目前常见医疗影像分割主要采用传统算法来完成，例如阈值法、区域增长法等。但是医疗影像较复杂，边界不清晰，与主气管组织相似，对分割所受干扰性比较大；且肺部区域面积较大，肺内部存在其他组织，例如肿瘤、肺气泡等，其他组织CT值与肺部不同，容易将肺内部组织误分割；另外，分割对象中存在术中局部不完整肺影像以及多种拍摄角度影像，数据所具备特征太少，数据种类太多，模型学习特征能力难度较大。传统算法对特征设计要求比较高，且算法模型鲁棒性差，算法耗时也较长。

发明内容

发明目的：本发明针对上述不足，提出一种融合多优化方法的3D分割模型及其应用，增强网络对细节特征的学习能力，使得模型在较低分辨输入情况下，分割准确度保持较高水平。

技术方案：

一种病灶的3D分割模型，包括依次连接的：

特征编码器；

特征解码器；

后处理模块，通过条件随机场与膨胀腐蚀方法对所述残差网络模块的输出进行处理；

形状重构模块，以3D分割模型的预测掩码与预先得到的标注掩码进行对抗训练；

所述特征编码器或特征解码器中的卷积采用残差网络，所述残差网络的输入与输出之间采用并联卷积结构及跳连结构。

所述条件随机场采用Dense CRF。

所述对抗训练具体如下：

对抗训练的形状重构损失函数L_rec，如下：

其中，x表示实际输入的三维影像数据，G(x)表示预测掩码，y表示标注掩码，即真实标签；D(G(x))、D(y)分别表示以预测掩码、标注掩码为输入的形状重构模块的重构结果；

对采集得到的患者病灶三维影像数据通过所述3D分割模型输出预测掩码G，将其与对应三维影像数据的标注掩码y进行对抗训练，从而通过下式对所述3D分割模型进行优化，具体如下：

其中，P_data、P_gt分别表示符合实际输入的三维影像数据x、标注掩码y的分布的期望值，D_latent(G(x))、D_latent(y)分别表示在对抗训练过程中以预测掩码、标注掩码为输入的形状重构模块的重构结果。

一种基于三维影像的病灶分割方法，采用前述3D分割模型对患者病灶三维影像进行分割得到最终分割结果。

还包括对于患者病灶三维影像预处理步骤，包括滤波和聚类。