买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川轻化工大学

摘要：本发明公开了一种基于CT图像的肝细胞癌肿瘤自动分割方法及系统，使用预训练的新型多尺度残差网络Res2Net作为MSBP‑Net的编码器，增强网络的编码能力；在解码器的深层，提出边界预测模块来进行目标定位和边界粗略分割，构建联合上采样模块来融合三个边界模块的输出以抑制错误分割的问题；在解码器的浅层，设计浅层滤波模块，提取浅层信息中的边界信息对分割结果做进一步修正；将模型和一系列数据处理操作一并封装为一个分割系统，通过简单的点击操作即可完成三维CT数据的二维切片、二维分割和三维重建，并计算出肿瘤的体积和最大直径等数值。

主权项：1.一种基于CT图像的肝细胞癌肿瘤自动分割方法，其特征在于，包括以下步骤：S1：构建MSBP-Net网络，从二维CT图像中分割出HCC区域；S11：Res2Net编码器对进入MSBP-Net网络的二维CT图像实施编码操作；S12：MSBP-Net网络将Res2Net编码器末尾记为深层，开始向浅层进行解码；S2：对数据进行划分和预处理，对MSBP-Net网络进行训练与测试，构建肝细胞癌肿瘤自动分割系统；S21：将CT影像按照8：1：1的比例随机划分为训练集、验证集和测试集，对每一例影像进行切片处理；S22：将训练集和验证集导入MSBP-Net网络进行训练和验证，使用复合损失函数计算训练损失，根据训练集的损失进行参数更新，参照验证集的结果保存最佳分割模型；S23：最佳分割模型在测试集上接受评估，在评估结果达到预期后将最佳分割模型作为分割系统的二维分割模型；S24：将nii文件的切片处理、二维分割、三维重建和尺寸评估三个功能连接成一个流程，创建肝细胞癌肿瘤自动分割系统；所述复合损失函数包括骰子损失和交叉熵损失；所述切片处理包括切片操作和resize功能，处理后的二维CT图像为352×352像素；特征图的规格为数量×长×宽；MSBP-Net网络专注于弱边界区域分割的CNN结构，以高效地分割出CT图像中的HCC区域，具体设计为：（1）使用预训练的新型多尺度残差网络Res2Net作为MSBP-Net的编码器，增强网络的编码能力；（2）与编码器深层相连的解码层记为解码器的深层，在解码器的深层，提出边界预测模块来进行目标定位和边界粗略分割，构建联合上采样模块来融合三个边界模块的输出以抑制错误分割的问题；（3）在解码器的浅层，设计浅层滤波模块，提取浅层信息中的边界信息对分割结果做进一步修正；为了降低模型的复杂度和显存占用量，将每个解码层的滤波器数量都统一为64，具体CT图像进入MSBP-Net的流程为：所述S11包括以下子步骤：S111：二维CT图像依次经过Res2Net编码器的五个卷积模块，获得五种尺寸的特征图，每个模块单独记为一个层级，共五个层级；S112：末尾三个层级输出的特征图通过感受野模块和交叉感受野模块，提取大尺度的感受野和全局信息，将特征图的数量压缩为64；所述五个层级输出的特征图规格分别为64×88×88，256×88×88，512×44×44，1024×22×22，2048×11×11；所述S12包括以下子步骤：S121：边界预测：Res2Net编码器第五层和第四层的输出同时进入到第一个边界预测模块后输出BP4；Res2Net编码器第三层的输出和BP4同时进入到第二个边界预测模块后输出BP3；Res2Net编码器第二层的输出和BP3同时进入到第三个边界预测模块后输出BP2；所述BP4、BP3和BP2代表粗略分割的结果，规格分别为64×22×22，64×44×44，64×88×88；S122：联合上采样：BP4、BP3和BP2进入联合上采样模块中，经过上采样和相互融合后输出规格为64×88×88的特征图；S123：浅层滤波：将Res2Net第一层输出的特征图和联合上采样输出的特征图同时引入到浅层滤波模块当中得到规格为64×88×88的特征图；所述浅层滤波模块得到的特征图包含了精细的边界信息；S124：MSBP-Net网络对BP3、BP2、联合上采样模块的输出和浅层滤波模块的输出均进行上采样，还原为四个1×352×352的特征图；S125：MSBP-Net网络将还原的四个特征图拼接，使用1×1卷积和Sigmoid激活函数进行降维和激活，得到一个规格为1×352×352的二值化掩膜。

全文数据：

权利要求：

百度查询： 四川轻化工大学 一种基于CT图像的肝细胞癌肿瘤自动分割方法及系统