[发明专利]基于轻量级卷积神经网络和空间先验传播的胰腺分割方法

权利要求书

1.一种基于轻量级卷积神经网络和空间先验传播的胰腺分割方法，其特征在于，包括：

获取第一图片集和第二图片集，其中，所述第一图片集包括若干第一腹部CT图像，所述第二图片集包括若干第二腹部CT图像，且所述第一腹部CT图像和所述第二腹部CT图像均为3D图像；

根据所述第一腹部CT图像对应得到X轴方向的第一2D切片图像、Y轴方向的第二2D切片图像和Z轴方向的第三2D切片图像；

根据所述第一腹部CT图像对应的第一真值图得到X轴方向的第一2D胰腺空间先验、Y轴方向的第二2D胰腺空间先验和Z轴方向的第三2D胰腺空间先验；

将所述第一2D切片图像、所述第二2D切片图像和所述第三2D切片图像分别输入第一定位子网络，对应得到X轴方向的第二定位子网络、Y轴方向的第三定位子网络和Z轴方向的第四定位子网络；所述第一定位子网络是将全卷积网络模型FCN8s的第四个卷积阶段中的第二个3×3的卷积层替换为倒置的残差块，并去除全卷积网络模型FCN8s的第五个卷积阶段、第六个卷积阶段和第七个卷积阶段后，得到的网络，其中，倒置的残差块由一个深度卷积层和两个点卷积层构成；

基于第一分割子网络，根据所述第二定位子网络输出的第一粗略胰腺分割图、所述第三定位子网络输出的第二粗略胰腺分割图、所述第四定位子网络输出的第三粗略胰腺分割图，对应得到X轴方向的第二分割子网络、Y轴方向的第三分割子网络和Z轴方向的第四分割子网络；所述第一分割子网络的编码阶段的第一个卷积阶段至第四个卷积阶段与所述第一定位子网络的第一个卷积阶段至第四个卷积阶段相同；解码阶段包括反卷积层和尺度变换特征融合模块，其中，所述尺度变换特征融合模块由级联的尺度变换层和卷积层构成；

将所述第一2D胰腺空间先验经过先验传播模块处理得到第四2D胰腺空间先验；

将所述第四2D胰腺空间先验与所述第一2D切片图像进行点乘处理之后输入所述第二定位子网络得到初始训练完成的所述第二定位子网络，所述第二定位子网络输出第四粗略胰腺分割图；

基于5个所述先验传播模块和所述第二分割子网络，根据所述第四粗略胰腺分割图和所述第一2D切片图像得到初始训练完成的所述第二分割子网络；

基于第一联合目标函数，利用反向传播的方式更新初始训练完成的所述第二定位子网络和初始训练完成的所述第二分割子网络得到训练完成的所述第二定位子网络和所述第二分割子网络；

将所述第二2D胰腺空间先验经过所述先验传播模块处理得到第五2D胰腺空间先验；

将所述第五2D胰腺空间先验与所述第二2D切片图像进行点乘处理之后输入所述第三定位子网络得到初始训练完成的所述第三定位子网络，所述第三定位子网络输出第五粗略胰腺分割图；

基于5个所述先验传播模块和所述第三分割子网络，根据所述第五粗略胰腺分割图和所述第二2D切片图像得到初始训练完成的所述第三分割子网络；

基于第二联合目标函数，利用反向传播的方式更新初始训练完成的所述第三定位子网络和初始训练完成的所述第三分割子网络得到训练完成的所述第三定位子网络和所述第三分割子网络；

将所述第三2D胰腺空间先验经过所述先验传播模块处理得到第六2D胰腺空间先验；

将所述第六2D胰腺空间先验与所述第三2D切片图像进行点乘处理之后输入所述第四定位子网络得到初始训练完成的所述第四定位子网络，所述第四定位子网络输出第六粗略胰腺分割图；

基于5个所述先验传播模块和所述第四分割子网络，根据所述第六粗略胰腺分割图和所述第三2D切片图像得到初始训练完成的所述第四分割子网络；

基于第三联合目标函数，利用反向传播的方式更新初始训练完成的所述第四定位子网络和初始训练完成的所述第四分割子网络得到训练完成的所述第四定位子网络和所述第四分割子网络；

根据所述第二腹部CT图像、训练完成的所述第二定位子网络、所述第三定位子网络、所述第四定位子网络、所述第二分割子网络、所述第三分割子网络和所述第四分割子网络，得到最终的3D胰腺分割结果。