[发明专利]基于语义迁移的多时相CT图像肝肿瘤分割方法

说明书

本发明公开了一种基于语义迁移的多时相CT图像肝肿瘤分割方法，主要解决现有技术中肝肿漏检及肝肿瘤分割性能差的问题。其方案是：从所有病例中取按8：2比例分为训练集和测试集；构建多时相肝肿瘤语义分割网络M，使用训练集中门静脉期数据对其进行训练，得到训练好的门静脉期肝肿瘤分割网络V；对训练好的网络进行语义迁移，取训练集中病例的动脉期和延迟期数据分别对语义迁移后的网络进行微调，分别得到动脉期肝肿瘤分割网络A和延迟期肝肿瘤分割网络D的参数；利用各期肝肿瘤分割网络参数，对测试集中各期图像进行肝肿瘤分割。本发明能有效将增强CT多期图像的肝肿瘤分割出来，提高了肿瘤分割性能，可用于增强CT医学图像的肝脏肿瘤分割。

技术领域

本发明属于图像处理技术领域，特别涉及一种多时相CT图像中肝肿瘤的分割方法，可用于增强CT医学图像的肝肿瘤识别。

背景技术

肝癌是最常见的肿瘤疾病之一，计算机断层扫描CT和磁共振图像MRI中可见的病变是原发性和继发性肝肿瘤疾病早期诊断的重要标志物。肝脏CT图像中的肿瘤分割可用于评估病患的肿瘤负荷、计划治疗、预测和监测临床反应，是肝癌患者诊断、治疗和随访的关键步骤。目前，人工识别癌病变组织是一项困难且耗时的工作，精确可靠的自动分割方法可以提高临床场景中的工作效率，减轻临床医生的工作量。

增强CT通过人体静脉注入造影剂可清楚显示病变的血供情况，在反映肝脏病理形态方面有优越表现，因此临床上多采用增强CT技术获得多时相图像来检测肝肿瘤。病患在静脉注射造影剂后30秒左右拍摄动脉期图像，此时肝实质强化不明显，与肝肿瘤对比不明显，肿瘤边界不清晰；60-90秒左右拍摄门静脉期图像，此时肝实质呈最大强化，与肝肿瘤对比明显，肿瘤边界清晰；3-5分钟左右拍摄延迟期图像，此时肝实质强化明显，与肝肿瘤对比较明显，肿瘤边界较清晰。不同类型的肿瘤表现不同，有些肿瘤如肝转移瘤会在延迟期图像呈现最清晰边界。不同放射科医生拍摄各期图像的时间节点有差异，会导致肿瘤在门静脉期图像上边界非最清晰。这些情况会对患者的肝肿瘤检测效果产生不利影响。

在肝肿瘤分割中，目前常用的两类分割方法是基于卷积神经网络实现的，第一类仅利用门静脉期图像进行肝肿瘤分割网络的训练，第一类是将多期图像堆叠后输入分割网络辅助门静脉期图像肝肿瘤分割网络的训练。这两类方法均存在各自的不足，其中第一类方法会影响在其它期图像中边界最清晰的肿瘤的分割效果，且不同医生拍摄各期图像的起始时间不同，只分析门静脉期图像的分割结果容易发生肿瘤漏检。第二种方法中各期图像中器官及肝肿瘤发生形变，直接将多期图像堆叠会给网络训练带来难度，影响肝肿瘤分割效果。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于语义迁移的多时相CT图像肝肿瘤分割方法，以对增强CT中各期图像进行分割，减少肝肿瘤的漏检，提高对肝肿瘤的分割性能。

为实现上述目的，本发明的技术方案包括如下：

1)从收集到的所有病例中随机取80％病例的增强CT图像数据及其对应的肝肿瘤标签作为训练集，剩下的20％的病例数据作为测试集；

2)构建多时相肝肿瘤语义分割网络M：

设计由6个编码块和为5个池化层交错组成编码器；

设计由5个解码块和5个上采样层交错组成解码器；

将编码器、解码器与一个卷积层和一个激励层依次级联，得到多时相肝肿瘤语义分割网络M；

3)用训练集中含有肝肿瘤的门静脉期图像及其对应的肝肿瘤标签对构建的分割网络进行训练，得到训练好的门静脉期肝肿瘤分割网络V；

4)对训练好的门静脉期肝肿瘤分割网络进行语义迁移，即将训练好的门静脉期肝肿瘤分割网络中的编码器参数冻结，得到语义迁移网络T；

5)利用训练集对语义迁移网络T进行微调，得到训练好的动脉期肝肿瘤分割网络A的参数和延迟期肝肿瘤分割网络D的参数：