[发明专利]一种基于局部线性嵌入的插值神经网络的胰腺肿瘤图像分割处理方法

权利要求书

1.一种基于局部线性嵌入的插值神经网络的胰腺肿瘤分割方法，其特征在于：包括步骤：

步骤1数据集准备：

从医院中获取数据集，包括3D的MR切片图像和经过标注的肿瘤分割标签作为数据集；

步骤2训练优化：

2.1将步骤1获取的原始切片图像和标签分为两两一组，表示为x_i-1和x_i+1，同时输入到待训练的片间插值网络中，简称“网络一”；以原始切片图像和插值得到的切片图像的结构相似度损失作为评价指标来，对“网络一”进行训练；“网络一”能得到切片间插值切片，表示为x_i，让3D的MR切片序列间更加连续；

2.2接下来合并步骤2.1插值得到的切片x_i和切片x_i-1、x_i+1得到切片序列。将其中的肿瘤标签切片输入概率图生成器中，生成肿瘤标签的概率图，用于提供给步骤2.3；

2.3将MR切片序列输入到待训练的多尺度级联网络中，简称“网络二”，根据肿瘤的特征，输出肿瘤概率图；将“网络二”输出的肿瘤概率图和步骤2.2提供的肿瘤标签概率图的均方误差作为评价指标，对“网络二”进行训练；

步骤3预测病理切片和可视化。

2.如权利要求1所述的一种基于局部线性嵌入的插值神经网络的胰腺肿瘤分割方法，其特征在于：

所述步骤2.1：

2.1.1“网络一”由密集连接模块、子像素卷积模块、下采样模块和局部线性嵌入模块组成，其中输入的切片表示为x_i＝{x_i1,x_i2,…,x_id}，输出的插值切片表示为2.1.2将肿瘤MR图像和肿瘤标签的切片按照顺序分为三个一组，中间的切片作为标签，将剩下的两个切片输入“网络一”，经过密集连接模块和子像素卷积模块后，进行上采样将结果继续输入密集连接模块和子像素卷积模块；

2.1.3将步骤2.1.2的结果进行上采样，结果输入密集连接模块并通过2x2的卷积进行下采样；

2.1.4将步骤2.1.3的结果输入密集连接模块并通过2x2的卷积进行下采样，将采样结果输入密集连接模块，得到输入切片x_i的每个维度值的K个近邻点，分别为表示第i个切片的第j个维度值的K个近邻点；

2.1.5将步骤2.1.4的结果进行线性组合得到插值切片；

2.1.5.1首先计算局部协方差矩阵其中表示一个由K个相同的x_ij组成的向量，x_ij表示第i个切片的第j个维度的值，表示步骤1得到的第i个切片的第j个维度的K个近邻点；

2.1.5.2接下来计算K个近邻点的权重其中1_K＝[1,1,…,1]∈R^K，S_ij表示步骤1.2.1得到的协方差矩阵；

2.1.5.3通过K近邻点的带权线性和计算出插值切片的各个维度值其中表示步骤1.2.2得到的近邻点的权重，表示步骤1得到的第i个切片的第j个维度的K个近邻点；

所述步骤2.1.6将插值得到的切片与标签切片比较；

2.1.7根据步骤1.2.5计算得到的损失值，更新网络参数，完成训练。