[发明专利]一种基于生成对抗网络的医学图像分割方法、系统及电子设备

权利要求书

1.一种基于生成对抗网络的医学图像分割方法，其特征在于，包括以下步骤：

步骤a：分别采集其他医学图像的像素级标注样本以及待分割医学图像的图像级标注样本；

步骤b：通过所述其他医学图像的像素级标注样本以及待分割医学图像的图像级标注样本训练基于胶囊网络的生成对抗网络，所述生成对抗网络包括生成器和判别器；

步骤c：所述生成器对其他医学图像的像素级标注样本进行像素级特征提取，通过所述像素级特征对待分割医学图像的图像级标注样本进行处理，生成所述待分割医学图像的像素级标注样本，并基于所述像素级标注样本生成所述待分割医学图像的分割预测样本；

步骤d：将所述生成器生成的分割预测样本和待分割图像的真实标注样本一起输入到判别器进行“生成-对抗”训练，判别所述分割预测样本的真伪，并根据误差函数对生成器和判别器进行优化，得到训练好的生成对抗网络；

步骤e：将图像级标注的待分割医学图像输入训练好的生成对抗网络，通过所述生成对抗网络输出待分割医学图像的像素级分割图像；

在所述步骤c中，所述生成器包括胶囊网络模块和区域定位网络，所述生成器生成待分割医学图像的分割预测样本具体包括：

步骤b1：通过其他医学图像的像素级标注样本对胶囊网络模块进行预训练，得到无语义标签样本，通过所述无语义标签样本对待分割图像的图像级标注样本进行处理，区分所述待分割图像的图像级标注样本的背景和有效分割区域；

步骤b2：将所述待分割图像的图像级标注样本输入完成预训练后的胶囊网络模块，通过所述胶囊网络模块输出待分割图像的图像级标注样本的重建图像；

步骤b3：区域定位网络利用卷积层的特征提取生成待分割图像的图像级标注样本的包含位置信息的特征图，并采用全局平均池化层，将权重w₁,w₂…,w_n与特征图进行加权平均，得到待分割图像的图像级标注样本的区域定位特征图；

步骤b4：根据所述重建图像和区域定位特征图执行自扩散算法，确定区域像素点分割线，得到待分割图像的图像级标注样本的分割预测样本。

2.根据权利要求1所述的基于生成对抗网络的医学图像分割方法，其特征在于，在所述步骤b2中，所述胶囊网络模块包括卷积层、PrimaryCaps层、DigitCaps层和解码层，所述胶囊网络模块采用单个胶囊神经元的输出向量，记录待分割图像的图像级标注样本分割区域边缘像素的方向和位置信息，采用矢量的非线性激活函数提取分类的概率值，确定待分割图像的图像级标注样本的分割区域与背景，计算边缘损失并输出待分割图像的图像级标注样本的重建图像。

3.根据权利要求2所述的基于生成对抗网络的医学图像分割方法，其特征在于，在所述步骤b4中，所述根据重建图像和区域定位特征图执行自扩散算法具体包括：在区域定位特征图中激活值越大的区域运用随机漫步的自扩散算法扩散像素点，利用区域定位特征图的输入点，计算图像上每个像素到输入点的高斯距离，并从中选择最优的路径，获得区域像素点的分割线，最终生成分割预测样本。