[发明专利]一种CT图像下肝脏肿瘤的分割方法与装置

权利要求书

1.一种CT图像下肝脏肿瘤的分割方法，其特征在于，包括：

将训练集中每个第一预设尺寸的原始CT图像裁剪为三张相邻的第二预设尺寸的切片，并以中间切片的分割结果作为标签，将对应的三张相邻切片构成一个训练样本；

将一个或多个训练样本输入预设网络中进行训练，得到训练好的分割模型；其中，所述预设网络包括预处理模块和全卷积分割网络；

对于任一待测CT图像，每次以三张相邻的第一预设尺寸的切片输入至训练好的所述分割模型中，基于联合损失函数得到中间切片的分割结果。

2.如权利要求1所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述预处理模块用于对输入的训练样本进行CT图像预处理，具体包括一个卷积层和一个激活层；

其中，所述卷积层的卷积核大小为1×1，用于对输入的训练样本进行卷积处理；所述激活层用于对输入的训练样本进行激活处理。

3.如权利要求2所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述预处理模块对训练样本的预处理公式具体为：

其中，常数U为窗口函数的上界，W和b均为卷积层的参数，x为原始CT图像的CT值。

4.如权利要求1所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述全卷积分割网络包括编码器和解码器；

所述编码器用于对预处理后的输入图像进行编码，进而产生低分辨率的特征表示；所述解码器用于根据低分辨率的特征表示对输入图像产生像素级别的分割预测。

5.如权利要求4所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述编码器采用DenseNet结构，包括至少两个Dense模块；

其中，所述Dense模块的生长率为48±2，每两个相邻Dense模块之间的过渡层的压缩率为0.5±0.02。

6.如权利要求5所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述解码器包括至少两个不同尺度的上采样模块；其中，每个上采样模块通过所述编码器的Dense模块引入Dense连接。

7.如权利要求1所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述联合损失函数是指将基于交叉熵的损失函数与基于直接优化分割评价指标的损失函数联合起来，所述联合损失函数的权重表达式具体为：

其中，L_ce表示基于交叉熵的损失，L_seg表示基于直接优化分割评价指标的损失，n表示训练过程中当前的迭代次数，N表示总的迭代次数，α表示均衡因子，用于保证基于交叉熵的损失和基于直接优化分割评价指标的损失大小在相当的数量级。

8.一种CT图像下肝脏肿瘤的分割装置，其特征在于，包括样本生成模块、模型训练模块和图像分割模块；

所述样本生成模块用于将训练集中每个第一预设尺寸的原始CT图像裁剪为三张相邻的第二预设尺寸的切片，并以中间切片的分割结果作为标签，将对应的三张相邻切片构成一个训练样本；

所述模型训练模块用于将一个或多个训练样本输入预设网络中进行训练，得到训练好的分割模型；其中，所述预设网络包括预处理模块和全卷积分割网络；

所述图像分割模块用于对于任一待测CT图像，每次以三张相邻的第一预设尺寸的切片输入至训练好的所述分割模型中，基于联合损失函数得到中间切片的分割结果。

9.如权利要求8所述的CT图像下肝脏肿瘤的分割装置，其特征在于，所述预处理模块用于对输入的训练样本进行CT图像预处理，具体包括一个卷积层和一个激活层；

其中，所述卷积层的卷积核大小为1×1，用于对输入的训练样本进行卷积处理；所述激活层用于对输入的训练样本进行激活处理。

10.如权利要求8所述的CT图像下肝脏肿瘤的分割装置，其特征在于，所述全卷积分割网络包括编码器和解码器；

所述编码器用于对预处理后的输入图像进行编码，进而产生低分辨率的特征表示；所述解码器用于根据低分辨率的特征表示对输入图像产生像素级别的分割预测。