[发明专利]一种肝肿瘤CT图像候选区域生成方法

说明书

本发明涉及肝肿瘤CT图像候选区生成技术领域，具体提供了一种肝肿瘤CT图像候选区域生成方法，其特征在于，具有以下步骤：S1、CT图像预处理；S2、CT图像使用3D U‑Net分割；S3、使用弹性形变来扩充训练集；S4、多尺度超像素分割生成候选区域。与现有技术相比，本发明不同尺寸的肿瘤可以用不同尺度检测，这样就有效的增加检测的灵敏度，解决了检测准确率较低、小目标检测不到等问题。

技术领域

本发明涉及肝肿瘤CT图像候选区生成技术领域，具体提供一种肝肿瘤CT图像候选区域生成方法。

背景技术

主流的图像检测算法都是图像级的，虽然这样的方式可以有效的利用全局特征,进而增强提取到的特征，但是这样也导致了对于小目标的敏感性不令人满意。然而采用图像块级的检测，可以有效提高检测的敏感性。图像块级的检测首先要生成候选区域，然后对每个候选区域进行分类，得到图像块级的分割结果。

滑动窗口是经典的候选区域算法之一。然而，使用滑动窗口获得候选区域会将一个目标分成多个区域，这不利于神经网络学习特征。尽管，该方法中可以充分考虑每个像素的邻阈信息，但是它也会引起一系列问题，例如，生成大量的冗余信息以及需要更高的计算力。由于误报引起的一些零散的假阳性点，这可能会误导医生。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的肝肿瘤CT图像候选区域生成方法。

本发明解决其技术问题所采用的技术方案是：

一种肝肿瘤CT图像候选区域生成方法，具有以下步骤：

S1、CT图像预处理；

S2、CT图像使用3D U-Net分割；

S3、使用弹性形变来扩充训练集；

S4、多尺度超像素分割生成候选区域。

进一步的，在步骤S1中，调整CT图像的参数，调整的参数为窗宽和窗位，所述窗宽表示调整后灰度阶的中心，窗宽表示调整后灰度阶的范围。

作为优选，将原始CT图像灰度阶大于250的像素变为250，灰阶小于-150的像素变为-150，将灰阶范围限定在[-150，250]，将不感兴趣的器官排出在外，将图像标准化，分布调整到[0，255]区间。

进一步的，在步骤S2中，使用3D U-Net用来肝肿瘤检测之前的肝脏粗分割和肝脏精分割。

进一步的，在步骤S3中，使用弹性形变后令网络学习形变不变性，增强泛化能力。

进一步的，在步骤S4中，在CT切片图像处理后，再使用多尺度超像素分割方法来分割肝脏区域缩小背景区域，将图像映射到高维空间来查找像素之间的关系，从而将相同类型的像素分到相同的候选区域中。

作为优选，所述多尺度超像素分割方法为线性光谱聚类。

进一步的，所述线性光谱聚类是将原始图像从原始颜色空间转换到新的颜色空间，然后结合每个像素的三通道颜色参数(L，a，b)和坐标(x，y)，组成一个新的特征向量；

最后，通过计算每个像素对每个超像素区域质心的欧式距离为每个像素划分区域。

本发明的一种肝肿瘤CT图像候选区域生成方法和现有技术相比，具有以下突出的有益效果：

传统的数据扩充是对原图像进行一系列几何变换，例如随机裁剪、翻转、移动、缩放和倾斜。本专利使用弹性变形后令网络能够学习形变不变性，以防止过拟合现象的发生，进一步增强泛化能力。