[发明专利]一种基于三维MRI图像的多平面乳腺肿瘤分割方法

权利要求书

1.基于三维MRI图像的多平面乳腺肿瘤分割方法，包括以下步骤：

A,分别从三个投影面(横切面、矢状面和冠状面)的方向对3D-MRI图像切片成若干个2D图像，并进行预处理；

B,将每组2D图像送入其对应所属投影面的深度网络模型进行分割；

C,将每个投影面分割得到的2D切片堆叠成一个三维体，对3个不同的三维体采用合适的组合规则融合在一起，作为最终3D分割结果。

2.根据权利要求1所述的基于三维MRI图像的多平面乳腺肿瘤分割方法，其特征在于，所述的步骤A中将3D-MRI图像分别从横切面、矢状面和冠状面三个方向进行切片，根据肿瘤标签把原图中含有肿瘤信息的切面输出为2D图像；并对得到的2D切片进行归一化、二值化预处理。

3.根据权利要求1所述的基于三维MRI图像的多平面乳腺肿瘤分割方法，其特征在于，所述的步骤B中2D图像分割包括以下内容：

A，从每个投影面中分割图像的内部模型是2D U-net，对分别对来自横切面、矢状面和冠状面的2D切片进行分割；

B，对训练集图像做旋转、镜像等数据增强处理，训练网络，调整网络参数，选择的优化器是自适应矩估计优化器(Adam)，损失函数使用Dice函数和二进制交叉熵损失(BCELoss)混合函数，通过不断减少loss来优化网络模型。Loss定义为：

其中，G表示训练数据的真实标签值，P表示当前模型的预测值，N_P为P中的像素数。

C，利用测试集在2D U-net模型进行测试，保留最佳分割模型。

4.根据权利要求1所述的基于三维MRI图像的多平面乳腺肿瘤分割方法，其特征在于，所述的步骤C中对三个三维体通过组合规则融合成一个3D分割结果，包括以下内容：

A，每个投影面的分割模型都提供一个由2D切片堆叠在一起的三维体；

B，对来自不同投影面的3个三维体，采用合适的组合规则融合成一个3D体积的分割结果；

C，有多种组合规则，例如：

Q1.“与”：一个体素的类别是由相同体素位置的3个分类器的输出做逻辑“与”操作，即3个相同位置体素全为肿瘤组织时，输出为肿瘤组织；

Q2.“或”：一个体素的类别是由相同体素位置的3个分类器的输出做逻辑“或”操作，即3个相同位置体素中有一个为肿瘤组织时，输出为肿瘤组织；

Q3.“多数票策略”：一个体素的类别是由相同体素位置的3个分类器的输出做投票操作，即3个相同位置体素中有两个及两个以上为肿瘤组织时，输出为肿瘤组织。

5.根据权利要求3所述的2D图像分割的深度网络模型是改进2D U-net，在主干的编码器和解码器之间加入注意力模块，增强重要的特征(如肿瘤组织特征)，抑制不重要的特征，从而提高网络的表征能力。

6.根据权利要求5所述的注意力模块，采用空间注意力模块，中间特征图(F)作为模块的输入，分别进行平均池化和最大池化，再进行7*7的卷积，并接着使用sigmod激活函数生成空间注意特征图，最后与输入特征图做乘法得到输出特征图。空间注意模块的输出特征图F^s∈R^H×W×C计算如下：

F^s＝F×σ(f^7×7([MaxPool(F)；AvgPool(F)]))

其中，f表示输入特征图，F^s表示输出特征图，f^7×7表示内核大小为7的卷积运算，σ表示Sigmoid函数。