[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

说明书

一种基于三维MRI图像的多平面乳腺肿瘤分割方法，计算机图像处理技术领域；其具体步骤是首先将3D‑MRI图像从不同的投影面切片成2D图像，利用3个改进2D U‑Net网络对每个投影面得到的2D图像进行肿瘤分割，将每个投影面的分割结果按照顺序再堆叠为3D体积，再通过一定的组合规则把每个投影面堆得到的三维体融合成一个，作为最终的3D分割结果。其中改进的2D U‑net网络是在编码器和解码器之间加入了注意力模块，来增强重要的特征(如肿瘤组织特征)，从而提高网络的表征能力。基于三维MRI图像的多平面乳腺肿瘤分割方法实现了肿瘤的精准分割，是乳腺肿瘤计算机辅助诊断中重要的临床需求,并且对后续有效分类、选择合适的治疗方案和预测效果具有重要意义。

技术领域

本发明属于计算机图像处理技术领域，涉及一种基于三维MRI图像的乳腺肿瘤分割方法。

背景技术

乳腺癌是目前女性发病率最高的癌症。近年来，磁共振成像(MRI)已被证明是一种有效的乳腺癌筛查方式。特别是对于乳房软组织，它是非侵入性的，提供了扫描身体部位的多视角可视化。最重要的是，它产生了比乳房X光检查和超声检查更高质量的图像。目前，主要的分割方法可分为五大类:基于阈值的,基于区域的,基于轮廓的,基于机器学习的和基于深度学习的方法。随着深度学习的发展，尤其是卷积神经网络的成熟，基于深度学习的方法在医学图像分割方面取得了显著的成就。

分割又根据维度分为两类：二维(2D)方法和三维(3D)方法。事实上，对比这两类方法，3D方法耗时更多，但更具代表性。因此，它更方便和有用的指定所分析的肿瘤的特征。尽管如此，现有的最先进的3D方法仍存在几个缺点。例如，精度低和运行时间长。所以，本发明提出了一种多平面分割方法来实现乳腺肿瘤DCE-MRI的精准分割，是乳腺肿瘤计算机辅助诊断中重要的临床需求,并且对后续有效分类、选择合适的治疗方案和预测效果具有重要意义。

发明内容

针对上述背景内容中现有技术存在的不足，本发明提供一种基于三维MRI图像的多平面乳腺肿瘤分割方法，其特征在于，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为2D-U-net，对分别来自横切面、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3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：