[发明专利]一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法及系统

权利要求书

1.一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法，其特征在于，该方法包括：

(1)采集数据集：采集图像数据集，并对所述图像数据进行预处理；

(2)数据扩充：对采集的图像数据进行数据扩充；

(3)训练级联分割网络，分为两个阶段：

第一阶段：训练第一级的肝脏分割网络

将肝脏分割网络对应的训练集和肝脏标签样本输入到所述肝脏分割网络进行训练，所述肝脏分割网络为：将FCN网络的池化层改为可变池化的方式；

第二阶段：训练第二级的肿瘤分割网络

利用所述肝脏分割网络的分割概率图制作肿瘤分割网络对应的训练集，并标记出感兴趣区域，将肿瘤分割网络对应的训练集和感兴趣区域输入到所述肿瘤分割网络进行训练；所述肿瘤分割网络为：将FCN网络中的卷积层和池化层设置为空洞卷积模式；

(4)测试级联分割网络：

利用测试集对所述级联分割网络的测试，得到分割结果图，并计算对应的DICE分数；

所述将FCN网络的池化层改为可变池化的方式，具体包括：

首先，选择三种大小的池化核，分别为k₁，k₂，k₃，k₁和k₂分配在肝脏区域，k₃分配在非肝脏区域，取令余数remainder＝M-(k₁+2k₂+3k₃)，其中，表示向下取整，M×M为图像大小；

其次，确定池化核的数量：

其中，T[]为根据出现的余数和池化核的种类得到的分配值。

2.根据权利要求1所述的基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法，其特征在于，所述图像数据进行预处理，包括：依次对图像数据集进行高斯滤波、拉普拉斯变换、梯度变换、均值滤波以及直方图均衡化操作。

3.根据权利要求1所述的基于级联全卷积网络的肝脏CT图像的肿瘤区域分割方法，其特征在于，所述数据扩充的方式为通过添加噪声增加训练数据的个数。

4.一种基于级联全卷积网络的肝脏CT图像的肿瘤区域分割系统，其特征在于，所述系统包括：

数据集采集模块，用于采集图像数据集，并对所述图像数据进行预处理；

数据扩充模块，用于对采集的图像数据进行数据扩充；

级联分割网络训练模块，具体包括：

肝脏分割网络训练单元，用于将肝脏分割网络对应的训练集和肝脏标签样本输入到所述肝脏分割网络进行训练，所述肝脏分割网络为：将FCN网络的池化层改为可变池化的方式；

肿瘤分割网络训练单元，用于利用所述肝脏分割网络的分割概率图制作肿瘤分割网络对应的训练集，并标记出感兴趣区域，将肿瘤分割网络对应的训练集和感兴趣区域输入到所述肿瘤分割网络进行训练；所述肿瘤分割网络为：将FCN网络中的卷积层和池化层设置为空洞卷积模式；

级联分割网络测试模块，用于利用测试集对所述级联分割网络的测试，得到分割结果图，并计算对应的DICE分数；

所述肝脏分割网络训练单元中，将FCN网络的池化层改为可变池化的方式，具体包括：

首先，选择三种大小的池化核，分别为k₁，k₂，k₃，k₁和k₂分配在肝脏区域，k₃分配在非肝脏区域，取令余数remainder＝M-(k₁+2k₂+3k₃)，其中，表示向下取整，M×M为图像大小；

其次，确定池化核的数量：

其中，T[]为根据出现的余数和池化核的种类得到的分配值。

5.根据权利要求4所述的基于级联全卷积网络的肝脏CT图像的肿瘤区域分割系统，其特征在于，所述数据集采集模块中，所述图像数据进行预处理，包括：依次对图像数据集进行高斯滤波、拉普拉斯变换、梯度变换、均值滤波以及直方图均衡化操作。

6.根据权利要求4所述的基于级联全卷积网络的肝脏CT图像的肿瘤区域分割系统，其特征在于，所述数据扩充模块中，所述数据扩充的方式为通过添加噪声的方式增加训练数据的个数。