一种采用跨序列核磁共振图像生成改进胶质瘤分割方法技术

本发明专利技术提供了一种采用跨序列核磁共振图像生成改进胶质瘤分割方法，该方法构建了一个由编码器模块、分割模块和生成器模块组成的ImgSG模型；在ImgSG模型训练阶段，选择胶质瘤核磁共振图像4个序列中的3个作为网络的输入进行胶质瘤的分割，剩余的一个序列作为生成序列来辅助模型分割，根据生成序列的不同训练出3个相同结构但是参数不同的分割模型；在测试阶段，将待测试胶质瘤核磁共振图像分别输入3个分割模型，将得到的三个分割置信概率结果求均值，经过后处理得到最终的胶质瘤分割结果。该方法能够改变医生通过逐帧阅读核磁共振图像来判断是否有胶质瘤的现状，避免依靠医生经验而带来的主观偏差。

【技术实现步骤摘要】
一种采用跨序列核磁共振图像生成改进胶质瘤分割方法
本专利技术属于医学领域，具体涉及一种分割方法。
技术介绍
脑胶质瘤是中枢神经系统中最常见的原发性肿瘤，占颅脑肿瘤的40％以上。在传统的医学处理领域，对脑肿瘤进行定性的最好方法是活组织切片检查。但由于人脑的精密性，可能造成某些难以预料的后果。因此以核磁共振图像为代表的无创伤方式已经成为了脑瘤分析的主要手段。然而基于核磁共振图像的胶质瘤诊断都是通过医生逐帧阅读来判断图层实现的。依靠医生进行诊断不可避免的会带入医生的主观偏差。除此此外，我国的影像医师的增长速度远远比不上医学影像数据的增长速度，对胶质瘤的自动分割有了迫切需求。
技术实现思路
为了克服现有技术的不足，本专利技术提供了一种采用跨序列核磁共振图像生成改进胶质瘤分割方法，该方法构建了一个由编码器模块、分割模块和生成器模块组成的ImgSG模型；在ImgSG模型训练阶段，选择胶质瘤核磁共振图像4个序列中的3个作为网络的输入进行胶质瘤的分割，剩余的一个序列作为生成序列来辅助模型分割，根据生成序列的不同训练出3个相同结构但是参数不同的分割模型；在测试阶段，将待测试胶质瘤核磁共振图像分别输入3个分割模型，将得到的三个分割置信概率结果求均值，经过后处理得到最终的胶质瘤分割结果。该方法能够改变医生通过逐帧阅读核磁共振图像来判断是否有胶质瘤的现状，避免依靠医生经验而带来的主观偏差。本专利技术解决其技术问题所采用的技术方案包括以下步骤：步骤1：对胶质瘤核磁共振图像按式(1)进行处理，将胶质瘤核磁共振图像的体素值限制在[0,1]范围内；式中，x是将胶质瘤核磁共振图像的体素值限制在[0,1]范围内的结果，xo是胶质瘤核磁共振图像原始体素值，xmean是胶质瘤核磁共振图像中非0体素区域的均值，σ为胶质瘤核磁共振图像中非0体素区域的标准差；步骤2：将经过步骤1处理后的胶质瘤核磁共振图像数据进行颅骨去除和图像配准，并将体素大小值重采样到1mm×1mm×1mm；再将处理后的图像随机切割为多个a1×a2×a3的数据块；步骤3：构建ImgSG模型；所述ImgSG模型包括编码器模块、分割模块和生成器模块；所述编码器模块由3DResUNet网络的编码器模块将批处理归一化改换为实例构成；所述编码器模块输出的特征分别输入到分割模块和生成器模块；所述分割模块由3DResUNet网络的分割模块将批处理归一化改换为实例构成；所述分割模块对从编码器模块输入的特征进行多次上采样，在每次上采样时叠加编码器相同特征通道数层的特征，得到分割结果；所述生成器模块首先将从编码器模块输入的特征通过变分自编码器进行分布转换，然后通过1×1×1的卷积核和线性插值将特征的通道数目减半且分辨率变为原来的两倍，再将处理结果叠加编码器相同特征通道数层的特征，再经过实例归一化、第一修正线性单元、第一3×3×3的卷积核、实例归一化、第二修正线性单元、第二3×3×3的卷积核进行特征提取；将生成器中的上述过程重复三次，则得到的特征图通道数目减少到32且大小等于输入编码器的图像的大小，最后通过步长为1的第三3×3×3的卷积核得到生成序列；步骤4：训练ImgSG模型；胶质瘤核磁共振图像有四个序列，分别为T1、T1ce、Flair和T2；将经过步骤2处理的T1、T1ce和T2拼接后作为编码器模块的输入数据，用胶质瘤图像金标准作为分割标签，将Flair作为生成标签，对ImgSG模型进行训练，得到第一ImgSG模型；将经过步骤2处理的T1、T1ce和Flair拼接后作为编码器模块的输入数据，用胶质瘤图像金标准作为分割标签，将T2作为生成标签，对ImgSG模型进行训练，得到第二ImgSG模型；将经过步骤2处理的T2、T1ce和Flair拼接后作为编码器模块的输入数据，用胶质瘤图像金标准作为分割标签，将T1作为生成标签，对ImgSG模型进行训练，得到第三ImgSG模型；步骤5：将待测试胶质瘤核磁共振图像的T1、T1ce和T2经过步骤1和步骤2处理后拼接作为第一ImgSG模型的输入数据，第一ImgSG模型的分割模块输出待测试胶质瘤核磁共振图像包含胶质瘤的置信概率，记为第一置信概率；将待测试胶质瘤核磁共振图像的T1、T1ce和Flair经过步骤1和步骤2处理后拼接作为第二ImgSG模型的输入数据，第二ImgSG模型的分割模块输出待测试胶质瘤核磁共振图像包含胶质瘤的置信概率，记为第二置信概率；将待测试胶质瘤核磁共振图像的T2、T1ce和Flair经过步骤1和步骤2处理后拼接作为第三ImgSG模型的输入数据，第三ImgSG模型的分割模块输出待测试胶质瘤核磁共振图像包含胶质瘤的置信概率，记为第三置信概率；步骤6：求取第一置信概率、第二置信概率和第三置信概率三者的均值，若均值大于等于阈值C则待测试胶质瘤核磁共振图像中包含有胶质瘤，均值小于阈值C则待测试胶质瘤核磁共振图像不包含胶质瘤。优选地，所述a1＝80，a2＝160，a3＝160。优选地，所述阈值C＝0.5。本专利技术的有益效果是：由于采用了本专利技术的一种采用跨序列核磁共振图像生成改进胶质瘤分割方法，能够改变医生通过逐帧阅读核磁共振图像来判断是否有胶质瘤的现状，避免依靠医生经验而带来的主观偏差；同时也解决了影像医师的增长速度远远低于医学影像数据的增长速度，导致不能对核磁共振图像进行处理的问题。附图说明图1为本专利技术方法ImgSG模型网络结构示意图。具体实施方式下面结合附图和实施例对本专利技术进一步说明。如图1所示，本专利技术提供了一种采用跨序列核磁共振图像生成改进胶质瘤分割方法，包括以下步骤：步骤1：由于核磁共振图像体素范围广，对胶质瘤核磁共振图像按式(1)进行处理，将胶质瘤核磁共振图像的体素值限制在[0,1]范围内；式中，x是将胶质瘤核磁共振图像的体素值限制在[0,1]范围内的结果，xo是胶质瘤核磁共振图像原始体素值，xmean是胶质瘤核磁共振图像中非0体素区域的均值，σ为胶质瘤核磁共振图像中非0体素区域的标准差；步骤2：将经过步骤1处理后的胶质瘤核磁共振图像数据进行颅骨去除和图像配准，并将体素大小值重采样到1mm×1mm×1mm；再将处理后的图像随机切割为多个80×160×160的数据块；步骤3：构建ImgSG模型；所述ImgSG模型包括编码器模块、分割模块和生成器模块；所述编码器模块由3DResUNet网络的编码器模块将批处理归一化改换为实例构成，使其在胶质瘤分割任务上能够正常进行；所述编码器模块输出的特征分别输入到分割模块和生成器模块；所述分割模块由3DResUNet网络的分割模块将批处理归一化改换为实例构成，使其在胶质瘤分割任务上能够正常进行；所述分割模块对从编码器模块输入的特征进行多次上采样，在每次上采样时叠加编码器相同特征通道数层的特征，得到分割结果；所述生成器模块首先将从编码器模块输入的特征通过变分自编码器进行分布转换，本文档来自技高网...

【技术保护点】
1.一种采用跨序列核磁共振图像生成改进胶质瘤分割方法，其特征在于，包括以下步骤：/n步骤1：对胶质瘤核磁共振图像按式(1)进行处理，将胶质瘤核磁共振图像的体素值限制在[0，1]范围内；/n

【技术特征摘要】
1.一种采用跨序列核磁共振图像生成改进胶质瘤分割方法，其特征在于，包括以下步骤：
步骤1：对胶质瘤核磁共振图像按式(1)进行处理，将胶质瘤核磁共振图像的体素值限制在[0，1]范围内；



式中，x是将胶质瘤核磁共振图像的体素值限制在[0，1]范围内的结果，xo是胶质瘤核磁共振图像原始体素值，xmean是胶质瘤核磁共振图像中非0体素区域的均值，σ为胶质瘤核磁共振图像中非0体素区域的标准差；
步骤2：将经过步骤1处理后的胶质瘤核磁共振图像数据进行颅骨去除和图像配准，并将体素大小值重采样到1mm×1mm×1mm；再将处理后的图像随机切割为多个a1×a2×a3的数据块；
步骤3：构建ImgSG模型；
所述ImgSG模型包括编码器模块、分割模块和生成器模块；所述编码器模块由3DResUNet网络的编码器模块将批处理归一化改换为实例构成；所述编码器模块输出的特征分别输入到分割模块和生成器模块；
所述分割模块由3DResUNet网络的分割模块将批处理归一化改换为实例构成；所述分割模块对从编码器模块输入的特征进行多次上采样，在每次上采样时叠加编码器相同特征通道数层的特征，得到分割结果；
所述生成器模块首先将从编码器模块输入的特征通过变分自编码器进行分布转换，然后通过1×1×1的卷积核和线性插值将特征的通道数目减半且分辨率变为原来的两倍，再将处理结果叠加编码器相同特征通道数层的特征，再经过实例归一化、第一修正线性单元、第一3×3×3的卷积核、实例归一化、第二修正线性单元、第二3×3×3的卷积核进行特征提取；将生成器中的上述过程重复三次，则得到的特征图通道数目减少到32且大小等于输入编码器的图像的大小，最后通过步长为1的第三3×3×3的卷积核得到生成序列；
步骤4：训练ImgSG模型；
胶质瘤核磁共振图像有四个序列，分别为T1、T1ce、Flair和T2；
将经过步骤2处理的T...

【专利技术属性】
技术研发人员：夏勇，赵国靖，张建鹏，
申请(专利权)人：西北工业大学深圳研究院，西北工业大学，
类型：发明
国别省市：广东;44