本发明专利技术提供数据增强方法、医用影像系统及其数据增强方法中的辅助检测方法。数据增强方法是解剖结构的数据增强方法，包括：数据集获取步骤，获取与解剖结构有关的解剖结构数据集；数据集分割步骤，按构成解剖结构的各个子部分，将所获取的至少两组解剖结构数据集分别分割为各个子数据集；数据集变换步骤，将通过数据集分割步骤对至少两组解剖结构数据集中的一组解剖结构数据集进行分割而得到的各个子数据集作为参考数据集，对至少两组解剖结构数据集中的另一组解剖结构数据集的各个子数据集中的至少一个子数据集进行数据集变换，生成变换数据集；以及数据集合成步骤，对所生成的变换数据集进行合成，生成增强数据集。生成增强数据集。生成增强数据集。
【技术实现步骤摘要】
数据增强方法、使用数据增强方法的医用图像处理装置、存储介质
[0001]本专利技术涉及数据增强方法、使用数据增强方法的医用图像处理装置、存储介质。
技术介绍
[0002]目前，深度学习或机器学习已经在许多医学相关的任务中得到了很好的应用。然而，这种技术严重依赖于大数据的多样性和数量，以避免过度拟合。
[0003]数据增强(Data Augmentation)包含一系列技术，这些技术可以增强训练数据集的多样性和数量，从而构建更好的深度学习模型。其中一个有用的技术是混合图像。混合图像的步骤如图1所示，大致为：获取子图像，生成重叠图像，对重叠图像进行配准，对配准后的重叠图像进行精细配准，校准子图像，将校准后的子图像融合，融合后的图像作为混合图像输出。
[0004]但是，在实际应用中，混合图像方法存在一些问题。
[0005]首先，对于医学图像而言，并没有考虑对医学图像而言有意义的多部分解剖结构的特征，这样在新的增强数据集中，解剖结构容易被破坏。例如，如图2所示，全肺是由五个肺叶组成的多部分解剖结构。每个肺叶是一个独立的系统，各自具有特定的纹理分布等，是整个肺的一个子部分。如果用现有的混合图像方法，则会漏掉肺叶内某些有用的特征，在临床上或深度学习模型训练中得到的将是失去了解剖结构特征的结果，这样的结果没有实用上的意义。
[0006]其次，新的增强数据集和原始数据集之间很难表示出相似的强度和纹理分布。目前大多数的方法都是随机地对图像进行混合，使得混合部分在原始图像和增强图像之间，强度和纹理分布等没有明确的关系。这样的混合图像对于人类视觉观察而言是陌生的，也是难以解释的。用户无法确认其是否具有可用性。实际上，这样的混合图像多数是不具有可用性的。
[0007]另外，新的增强数据集中没有生成足够的新的有效特征。混合图像中的图像特征大多来自原始数据。这样，新生成的有效图像特征越多，混合图像越有意义。对于深度学习训练而言，各种有效图像特征可以提高模型的泛化能力。
[0008]这样，现有的应用了上述数据增强方法的医用图像处理装置，性能有待进一步提高。
技术实现思路
[0009]本专利技术是为了解决上述以往的技术问题而完成的，其目的在于提供一种数据增强方法、使用数据增强方法的医用图像处理装置、存储介质，能够有效地考虑和应用解剖结构的特征，使所生成的增强数据集能够具有与原始数据集相似的强度和纹理分布，能够很好地提高数据训练性能；能够完整地保存构成解剖结构的子部分的基本解剖信息，同时，可以在混合图像中产生新的有效的图像特征，因此可以有效地提高数据的多样性；能够通过少
量的训练数据集可以生成更多的符合解剖结构的增强数据，使数据量增加；能够实现高精度的训练以获得高精度、高泛化能力的训练模型，能够提高医用图像处理装置的性能。
[0010]为了实现上述目的，本专利技术涉及的数据增强方法，是解剖结构的数据增强方法，包括如下步骤：
[0011]数据集获取步骤，获取与所述解剖结构有关的解剖结构数据集；
[0012]数据集分割步骤，按构成所述解剖结构的各个子部分，将所获取的至少两组所述解剖结构数据集分别分割为各个子数据集；
[0013]数据集变换步骤，将通过所述数据集分割步骤对所述至少两组所述解剖结构数据集中的一组所述解剖结构数据集进行分割而得到的各个子数据集作为参考数据集，对所述至少两组所述解剖结构数据集中的另一组所述解剖结构数据集的各个子数据集中的至少一个子数据集进行数据集变换，生成变换数据集；以及
[0014]数据集合成步骤，对所生成的所述变换数据集进行合成，生成增强数据集。
[0015]另外，本专利技术涉及的数据增强方法，其特征在于，
[0016]还包括数据集分组步骤，在所述数据集分组步骤中，根据规定的条件，将所获取的所述解剖结构数据集分组为两组以上的数据组，
[0017]在所述数据集分割步骤中，按构成所述解剖结构的各个子部分，将由所述数据集分组步骤分组后的两组以上的所述数据组分别分割为各个子数据集；
[0018]在所述数据集变换步骤中，将通过所述数据集分割步骤对所述两组以上的所述数据组中的一组所述数据组进行分割而得到的各个子数据集作为参考数据集，对所述两组以上的所述数据组中的另一组所述数据组的各个子数据集中的至少一个子数据集进行数据集变换，生成变换数据集。
[0019]另外，本专利技术涉及的数据增强方法，其特征在于，
[0020]在所述数据集获取步骤中，还获取与所述解剖结构数据集对应的标记数据集，
[0021]所述标记数据集按构成所述解剖结构的各个子部分，对所述解剖结构数据集进行标记。
[0022]另外，本专利技术涉及的数据增强方法，其特征在于，
[0023]在所述数据集分割步骤中，基于所述标记数据集，将所获取的至少两组所述解剖结构数据集分别分割为各个子数据集。
[0024]另外，本专利技术涉及的数据增强方法，其特征在于，
[0025]在所述数据集分割步骤中，基于所述标记数据集，将两组以上的所述数据组分别分割为各个子数据集。
[0026]另外，本专利技术涉及的数据增强方法，其特征在于，
[0027]所述各个子数据集包括构成所述解剖结构的各个子部分各自的数据集以及相邻的所述子部分之间的重叠部分的数据集。
[0028]另外，本专利技术涉及的数据增强方法，其特征在于，
[0029]在所述数据集变换步骤中，将所述至少两组所述解剖结构数据集中的一组所述解剖结构数据集的各个子数据集中第一子部分的子数据集作为参考数据集，对所述至少两组所述解剖结构数据集中的另一组所述解剖结构数据集的所述各个子数据集中对应的第一子部分的子数据集进行归一化和/或数据配准，生成所述变换数据集。
[0030]另外，本专利技术涉及的数据增强方法，其特征在于，
[0031]在所述解剖结构中，具备所述第一子部分、与所述第一子部分相邻的第二子部分以及位于所述第一子部分与所述第二子部分之间的第一重叠部分，
[0032]在所述数据集变换步骤中，根据所述至少两组所述解剖结构数据集中的一组所述解剖结构数据集的各个子数据集中第一重叠部分的子数据集、所述至少两组所述解剖结构数据集中的另一组所述解剖结构数据集的所述各个子数据集中对应的第一重叠部分的子数据集、以及被归一化和/或数据配准后的所述第一子部分的子数据集进行三维变形或二维变形运算，计算出变形场，生成所述变换数据集。
[0033]另外，本专利技术涉及的数据增强方法，其特征在于，
[0034]在所述数据集合成步骤中，基于所述变形场，对所述至少两组所述解剖结构数据集中的一组所述解剖结构数据集的各个子数据集中所述第二子部分的子数据集进行变形而生成该第二子部分的子数据集的变换数据集，对所述至少两组所述解剖结构数据集中的另一组所述解剖结构数据集的所述各个子数据集中所述第一子部分的子数据集进行三维变形或二维变形而生成该第一子部分的子数据集的变换数据集后，对所生成的该第二子部分的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据增强方法，是解剖结构的数据增强方法，包括如下步骤：数据集获取步骤，获取与所述解剖结构有关的解剖结构数据集；数据集分割步骤，按构成所述解剖结构的各个子部分，将所获取的至少两组所述解剖结构数据集分别分割为各个子数据集；数据集变换步骤，将通过所述数据集分割步骤对所述至少两组所述解剖结构数据集中的一组所述解剖结构数据集进行分割而得到的各个子数据集作为参考数据集，对所述至少两组所述解剖结构数据集中的另一组所述解剖结构数据集的各个子数据集中的至少一个子数据集进行数据集变换，生成变换数据集；以及数据集合成步骤，对所生成的所述变换数据集进行合成，生成增强数据集。2.根据权利要求1所述的数据增强方法，其特征在于，还包括数据集分组步骤，在所述数据集分组步骤中，根据规定的条件，将所获取的所述解剖结构数据集分组为两组以上的数据组，在所述数据集分割步骤中，按构成所述解剖结构的各个子部分，将由所述数据集分组步骤分组后的两组以上的所述数据组分别分割为各个子数据集；在所述数据集变换步骤中，将通过所述数据集分割步骤对所述两组以上的所述数据组中的一组所述数据组进行分割而得到的各个子数据集作为参考数据集，对所述两组以上的所述数据组中的另一组所述数据组的各个子数据集中的至少一个子数据集进行数据集变换，生成变换数据集。3.根据权利要求1所述的数据增强方法，其特征在于，在所述数据集获取步骤中，还获取与所述解剖结构数据集对应的标记数据集，所述标记数据集按构成所述解剖结构的各个子部分，对所述解剖结构数据集进行标记。4.根据权利要求1所述的数据增强方法，其特征在于，在所述数据集分割步骤中，基于所述标记数据集，将所获取的至少两组所述解剖结构数据集分别分割为各个子数据集。5.根据权利要求2所述的数据增强方法，其特征在于，在所述数据集分割步骤中，基于所述标记数据集，将两组以上的所述数据组分别分割为各个子数据集。6.根据权利要求1至5中任一项所述的数据增强方法，其特征在于，所述各个子数据集包括构成所述解剖结构的各个子部分各自的数据集以及相邻的所述子部分之间的重叠部分的数据集。7.根据权利要求6所述的数据增强方法，其特征在于，在所述数据集变换步骤中，将所述至少两组所述解剖结构数据集中的一组所述解剖结构数据集的各个子数据集中第一子部分的子数据集作为参考数据集，对所述至少两组所述解剖结构数据集中的另一组所述解剖结构数据集的所述各个子数据集中对应的第一子部分的子数据集进行归一化和/或数据配准，生成所述变换数据集。8.根据权利要求7所述的数据增强方法，其特征在于，在所述解剖结构中，具备所述第一子部分、与所述第一子部分相邻的第二子部分以及位于所述第一子部分与所述...
【专利技术属性】
技术研发人员：赵龙飞，肖其林，
申请(专利权)人：佳能医疗系统株式会社，
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。