【技术实现步骤摘要】
一种三维肝胆管图像分割算法及系统
[0001]本专利技术涉及医学图像处理
,更具体地,涉及一种三维肝胆管图像分割算法及系统。
技术介绍
[0002]肝胆管结石病是肝胆外科的常见病、多发病,此病多发于东亚地区。肝胆管结石的外科治疗面临着许多难点和挑战,包括肝胆管结石取石困难等。而肝胆管结石的取石治疗主要依靠微创外科手术,如经皮经肝胆道镜技术(percutaneous transhepatic cholangioscopy,PTCS)取石手术。取石手术很大程度上取决于术前对病人CT扫描片的分析。由于肝胆管和肝内血管距离较近,对CT图像的肝胆管进行精确分割,以得知胆管的具体分布,有利于手术介入时,更好地找到狭窄所在,并降低因错误穿刺导致大出血的可能。对进行图像分割后的CT序列进行三维重建,让手术前期规划更具有合理性。
[0003]目前,对于肝胆管结石病的CT图像进行分割的技术主要有传统的图像分割算法(分水岭算法等)或者卷积神经网络(如U
‑
Net网络、M
‑
Net网络或引入ConvLSTM等模块的卷积网络)两种方式。得益于计算机计算能力的大幅提升,基于卷积神经网络的方法成为了主流。
[0004]现有技术中公开了一种肝胆管及结石的图像识别系统,包括:输入模块,用于获取待测图像并输入至经过训练的稀疏卷积神经网络中;稀疏卷积神经网络,用于对待测图像进行图像识别,并在识别结果中分割出待测图像中的肝胆管及胆结石的位置轮廓;稀疏卷积神经网络中的第1编码器中的各个卷积层均采用小卷 ...
【技术保护点】
【技术特征摘要】
1.一种三维肝胆管图像分割算法,其特征在于,包括以下步骤:S1:构建残差网络ResNet
‑
3D来处理输入图像序列,得到输入图像序列的残差网络ResNet
‑
3D低层特征和高层特征;S2:构建多尺度注意力网络,来学习步骤S1中得到的低层特征和高层特征之间的关联性;S3:构建特征解码网络,将经过步骤S2处理后的低层特征和高层特图进行融合;S4:构建损失函数,对步骤S3得到的结果进行处理得到最终分割结果。2.根据权利要求1所述的三维肝胆管图像分割算法,其特征在于,所述步骤S1的具体过程是:1)将尺寸为(1,1,d,512,512)的CT序列,通过分patch操作分成(1,48,192,192)的多个小特征块,并作为残差网络的输入;2)首先,通过一个单一尺度为64的三维卷积层后,得到第一层特征E0;3)然后经过一个尺度为192的三层残差模块ResBlock
‑
3D,得到第二层特征E1;4)然后经过一个尺度为384的三层残差模块ResBlock
‑
3D,得到第三层特征E2;5)最后经过一个尺度为384的两层残差模块ResBlock
‑
3D,得到第四层特征E3。3.根据权利要求2所述的三维肝胆管图像分割算法,其特征在于,d表示切片数量,不同序列d会不同,但保证会多于48张。4.根据权利要求3所述的三维肝胆管图像分割算法,其特征在于,所述步骤S2的具体过程是:利用3D Swin Transformer block搭建多尺度注意力网络,每个Transformer block由一个基于滑动窗口的W
‑
MSA模块和一个前馈网络FFN组成,其中前馈网络FFN由两层的多头注意力处理模块MLP和激活函数GELU组成;层标准化LN被用在每个基于滑动窗口的W
‑
MSA模块和前馈网络FFN之前,残差连接被用在了每个模块之后:FN之前,残差连接被用在了每个模块之后:FN之前,残差连接被用在了每个模块之后:FN之前,残差连接被用在了每个模块之后:式子中和z
l
分别表示基于滑动窗口的W
‑
MSA模块和FFN模块的输出特征;3DW
‑
MSA和3DSW
‑
MSA分别表示使用常规和移位窗口分区配置的基于3D窗口的多头自注意力。5.根据权利要求4所述的三维肝胆管图像分割算法,其特征在于,所述步骤S2中,由于自注意力计算中使用了相对位置编码,注意力的计算方式如下:其中是查询、键和值矩阵,d是查询和关键特征的维度;多尺度注意力MAST模块,计算过程如下,S
nx
,S
nx
′
=Reshape(MAST(Flatten(E
nx
),Flatten(E
nx
′
)))
E
nx
,E
nx
′
表示的是残差模块输出的特征,S
nx
,S
nx
′
表示经过注意力模块后的输出,式子中,n的取值...
【专利技术属性】
技术研发人员:蔡念,龚瑞锋,罗智浩,孙鹏宇,王平,王晗,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。