[发明专利]一种基于改进U-Net网络的类器官分割方法及系统

权利要求书

1.一种基于改进U-Net网络的类器官分割方法，其特征在于，包括：

获取待分割类器官图像；

将所述待分割类器官图像输入类器官分割模型，输出类器官分割图；所述类器官分割模型为根据类器官数据集对改进的U-Net训练得到的；

所述改进的U-Net的编码器包括N个依次连接的编码层和与第N个所述编码层连接的特征加强单元，各所述编码层均包括动态卷积模块和下采样模块，所述特征加强单元包括动态卷积模块和协调注意力模块，所述协调注意力模块用于对输入的特征信息进行细化和加强；解码器包括N个依次连接的解码层，各所述解码层均包括依次连接的上采样模块和所述动态卷积模块；各所述编码层和与各所述编码层对应的解码层之间采用注意门跳跃连接；所述下采样模块采用卷积下采样操作。

2.根据权利要求1所述的基于改进U-Net网络的类器官分割方法，其特征在于，还包括：

对所述类器官分割图进行二值化；

对二值化后的类器官分割图中各类器官的轮廓进行提取；

对提取的各轮廓中轮廓点进行压缩，将压缩后的轮廓点坐标按照类器官进行存储；

将存储的各类器官的轮廓点坐标编写为固定格式的JSON文件；

用标注软件打开所述JSON文件，获得携带标签的样本图像；

基于设定数量的所述类器官分割图对应的携带标签的样本图像，对所述类器官数据集进行扩充，获得扩充后的类器官数据集；

采用扩充后的类器官数据集对改进的U-Net进行训练，获得更新后的类器官分割模型；

采用更新后的类器官分割模型对待分割类器官图像进行类器官分割。

3.根据权利要求1所述的基于改进U-Net网络的类器官分割方法，其特征在于，第1个编码层用于输入所述待分割类器官图像，第1个编码层至第N-1个编码层均包括依次连接的所述动态卷积模块和所述下采样模块，第N个编码层包括依次连接的所述动态卷积模块、所述协调注意力模块和所述下采样模块，所述特征加强单元包括依次连接的所述动态卷积模和所述协调注意力模块。

4.根据权利要求1所述的基于改进U-Net网络的类器官分割方法，其特征在于，各所述动态卷积模块均依次连接的第一残差结构、第一批量归一化层、第一动态卷积层、第二批量归一化层、第二动态卷积层和第三批量归一化层，所述第一批量归一化层、所述第二批量归一化层和所述第三批量归一化层均包括ReLu激活函数，所述第一动态卷积层和所述第二动态卷积层的空洞率不同，所述动态卷积模块还包括第一卷积层，所述第一残差结构的输出连接所述第一卷积层的输入，所述第一卷积层的输出与所述第三批量归一化层的输出相减作为所述动态卷积模块输出，所述第一卷积层包括卷积核为1×1的卷积操作。

5.根据权利要求5所述的基于改进U-Net网络的类器官分割方法，其特征在于，所述第一动态卷积层的卷积核为3×3，空洞率为1；所述第二动态卷积层的卷积核为3×3，空洞率为2。

6.根据权利要求1所述的基于改进U-Net网络的类器官分割方法，其特征在于，所述解码器还包括分别与各解码层连接的第四卷积层和与所述特征加强单元连接的第五卷积层，各所述第四卷积层和所述第五卷积层输出的特征图进行特征融合后输出所述类器官分割图；所述第四卷积层和所述第五卷积层均包括卷积核为1×1的卷积操作。

7.根据权利要求1所述的基于改进U-Net网络的类器官分割方法，其特征在于，所述待分割类器官图像为膀胱癌类器官图像。

8.一种基于改进U-Net网络的类器官分割系统，其特征在于，包括：

待分割类器官图像获取模块，用于获取待分割类器官图像；

类器官分割模块，用于将所述待分割类器官图像输入类器官分割模型，输出类器官分割图；所述类器官分割模型为根据类器官数据集对改进的U-Net训练得到的；

所述改进的U-Net的编码器包括N个依次连接的编码层和与第N个所述编码层连接的特征加强单元，各所述编码层均包括动态卷积模块和下采样模块，所述特征加强单元包括动态卷积模块和协调注意力模块，所述协调注意力模块用于对输入的特征信息进行细化和加强；解码器包括N个依次连接的解码层，各所述解码层均包括依次连接的上采样模块和所述动态卷积模块；各所述编码层和与各所述编码层对应的解码层之间采用注意门跳跃连接；所述下采样模块采用卷积下采样操作。