[发明专利]基于分层感知融合的3D医疗图像分割方法、装置及存储介质

权利要求书

1.一种基于分层感知融合的3D医疗图像分割方法，包括如下步骤：

步骤S1，获取3D医疗图像进行预处理，并对预处理后的3D医疗图像进行切片，获得多个切片图像；

步骤S2，对各切片图像分别通过卷积神经网络语义分割算法进行卷积计算，获得各切片图像语义分割后的结果；

所述卷积神经网络为包含感受野增强模块RFEM的RFEUnet网络结构；

在Unet底层加入残差思想和感受野增强模块形成RFEM，以扩大底层特征在卷积计算过程中的感受野；

所述RFEUnet网络结构在现有Unet网络结构基础上，将所述Unet网络的通道组合改为原来的1/2；

并通过将所述感受野模块RFEM加入所述Unet网络编码结构尾部，通过所述感受野模块RFEM利用Maxpooling、mish激活函数、空洞卷积结构扩大感受野增强模型的感知性能；具体地：

所述感受野模块RFEM利用五种富有层次结构的空洞卷积结构提取高层次特征；

所述空洞卷积结构先卷积操作后加上批量归一化和mish激活函数；

步骤S3，对各切片图像的预测结果进行融合，输出最终医疗图像分割结果。

2.如权利要求1所述的一种基于分层感知融合的3D医疗图像分割方法，其特征在于，步骤S1进一步包括：

步骤S100，获取3D所述医疗图像，对3D医疗图像进行打标，分为目标和背景两个部分；

步骤S101，打标完成后，检查所述3D医疗图像的数据的正误；

步骤S102，对该3D医疗图像进行切分，获得对所述3D医疗图像按照H、W、C切片的三个2D图像以及对所述3D医疗图像分解为若干个小的3D图像；

步骤S103，对切分后的各切片图像进行数据增强。

3.如权利要求2所述的一种基于分层感知融合的3D医疗图像分割方法，其特征在于：所述目标代表目标区域即器官病理组织图像区域，背景代表非器官部分。

4.如权利要求3所述的一种基于分层感知融合的3D医疗图像分割方法，其特征在于：所述3D医疗图像经打标后，图像变为背景为0像素值，目标为1像素值，若有多个病理组织则用不同像素点进行区分。

5.如权利要求4所述的一种基于分层感知融合的3D医疗图像分割方法，其特征在于：于步骤S3中，H、W、C方向切片图像以及若干小块3D图像，进入四个RFEUnet网络结构形成四个分割的结果，对该四个输出结果取平均概率得到最终的图像分割结果。

6.一种基于分层感知融合的3D医疗图像分割装置，包括：

预处理模块，用于获取3D医疗图像进行预处理，并对预处理后的3D医疗图像进行切片，获得多个切片图像；

分割模块，用于对各切片图像分别通过卷积神经网络语义分割算法进行卷积计算，获得各切片图像语义分割后的结果；

融合模块，用于对各切片图像的预测结果进行融合，输出最终医疗图像分割结果；

所述卷积神经网络为包含感受野增强模块RFEM的RFEUnet网络结构；

在Unet底层加入残差思想和感受野增强模块形成RFEM，以扩大底层特征在卷积计算过程中的感受野；

所述RFEUnet网络结构在现有Unet网络结构基础上，将所述Unet网络的通道组合改为原来的1/2；

并通过将所述感受野模块RFEM加入所述Unet网络编码结构尾部，通过所述感受野模块RFEM利用Maxpooling、mish激活函数、空洞卷积结构扩大感受野增强模型的感知性能；具体地：

所述感受野模块RFEM利用五种富有层次结构的空洞卷积结构提取高层次特征；

所述空洞卷积结构先卷积操作后加上批量归一化和mish激活函数。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的3D医疗图像分割方法。