[发明专利]一种前列腺病灶区域检测方法、装置及存储介质

说明书

本发明公开了一种前列腺病灶区域检测方法、装置及存储介质，涉及到计算机视觉领域，准确的自动前列腺病灶区域分割是计算机辅助诊断和治疗前列腺疾病的一个重要需求。然而，前列腺与周围组织之间缺乏清晰的边界和高对比度，很难从背景中准确提取前列腺。由于医学图像的信息稀缺性，必须采用多种方法进行多维度的信息提取，但目前的方法并不能充分学习和挖掘隐藏的信息。为了应对上述挑战，本发明提出了一种全新的适用于计算机视觉领域的前列腺病灶区域检测方法、装置及存储介质，为了提高不同尺度下提取信息的质量，在所提出的网络中使用不同的卷积组合和各种注意机制。使其在不同的成像方式下都能有优越的性能。

技术领域

本发明涉及到计算机视觉领域，具体为一种基于动态多尺度感知自适应整合网络的前列腺病灶区域检测方法、装置及存储介质。

背景技术

前列腺分割是指对于输入的一张前列腺MR图像，要检测出其中的前列腺区域，而如果是前列腺病灶分割，则是如果有就将病灶从原图中分割出来。由于医学图像与常规的自然图像有着很大的差异，所以直接将常规的分割算法应用于医学图像分割，性能会有着不可避免的下降。对于前列腺病灶区域的分割更是如此。从磁共振(MR)图像中准确分割前列腺以及病灶区域对于前列腺疾病是至关重要的诊断和治疗计划，特别是前列腺癌症、前列腺炎、前列腺增生等像这些常见的前列腺疾病在疾病的一般诊断中，医学图像通常是分割的由几位专家手动操作，而这是很耗时过程。随着深度学习的发展，卷积神经网络已经在前列腺以及病灶分割领域有了长足的进步，进而产生了有关于前列腺以及前列腺病灶区域分割的更多分支研究。而这些研究，无论是在对于前列腺及其疾病的理论研究，还是一线的医学实践中，都起到了十分重要的作用。

根据输入形式的不同，前列腺以及前列腺病灶分割可以分为两大种类：2D的前列腺及其病灶区域检测以及3D的前列腺及其病灶区域检测。其中，2D的前列腺及其病灶区域检测输入的单张的MR图像，通道数为1的灰度图。3D的前列腺及其病灶区域检测输入的则是连续的多张MR图像，这正是因为对于一个病人而言，其前列腺及其病灶区域的成像是连续的若干张图，即在轴向上的不同切片，由于相同病人的切片之间是可以有联系的，所以也就产生了3D的前列腺及其病灶区域检测。随着技术以及硬件的进步，最近也兴起了输入为视频的前列腺及其病灶区域检测，即利用了更多的输入信息，以实现更加精确的分割结果。

然而，目前最先进的MR图像自动分割方法面临着一些挑战。前列腺与周围组织之间缺乏清晰的边界和高对比度，很难从背景中准确提取前列腺。此外，背景纹理的复杂性和前列腺本身的尺度、形状和强度分布的较大变化使得分割更加复杂。除此以外，前列腺病灶区域的特征相较于前列腺区域而言，视觉上更难以区分，专业的医生同样会也是需要在查看多个模态下的数据才能够确定病灶区域的所在。同时，由于医学图像的信息稀缺性，必须采用多种方法进行多维度的信息提取，使网络以多种方式提取的丰富信息弥补图像先天的信息不足，但目前的方法并不能充分学习和挖掘图像中的隐藏信息。

发明内容

针对目前前列腺病灶区域检测方法仍采用常规的固定参数层对输入的前列腺图像进行推理，难以适应输入图像中前列腺尺寸变化、边界模糊等的问题，本发明提供了一种基于动态多尺度感知自适应整合网络的前列腺病灶区域检测方法，利用输入的前列腺MR图像进行病灶区域检测，并通过动态局部池化以及全局高效注意力的网络进行优化更新，实现了在给定前列腺图像的场景下高质量的病灶区域检测。

为此，本发明提供了以下技术方案：

一种基于动态多尺度感知自适应整合网络的前列腺病灶区域检测方法，包括如下步骤：

A、根据前列腺的数据集获取前列腺输入图像并得到张量；

B、将张量输入特征编码器，通过特征编码器得到基于每一张图像多尺度的编码特征；

C、针对编码特征，通过对应的特征增强层得到更加丰富的特征表示

D、通过解码器对更加丰富的特征表示进行特征解码，得到最终的前列腺分割预测结果，包括：