本发明涉及医学图像分割,尤其涉及的是一种基于动态对比增强磁共振影像的乳腺病灶分割方法及装置。
背景技术:
1、早期发现和治疗可以显著提高乳腺癌患者的存活率。通常建议进行动态对比增强磁共振成像(dce-mri)筛查。dce-mri敏感度较高,可提供乳腺病灶在血流动力学、形态学等多方面的信息,有助于病灶的发现、定位及定性,已经得到放射科医生的广泛认可。
2、通过人工智能技术可以极大地帮助放射科医生分析dce-mri图像,减轻放射科医生的工作量。其中准确地分割乳腺癌区域是关键的一步。
3、乳腺癌的位置、大小、形状因患者而异,并且标准的dce-mri扫描不仅包括完整的乳腺组织,还包括胸腔、胸骨、腋窝等区域,病灶区域的体积远小于整个扫描体积。处理dce-mri图像时存在严重的类别不平衡,并且血管和器官等高对比度的区域也给分割乳腺癌区域带来干扰,导致现有的分割模型的分割精度不高。
4、因此,现有技术有待改进和提高。
技术实现思路
1、本发明的主要目的在于提供一种基于动态对比增强磁共振影像的乳腺病灶分割方法、装置、智能终端及计算机可读存储介质,旨在解决现有的分割模型的分割精度不高的问题。
2、为了实现上述目的,本发明提供了一种基于动态对比增强磁共振影像的乳腺病灶分割方法,所述分割方法包括:
3、对对比增强前期图像进行第一预处理;
4、将预处理后的对比增强前期图像输入第一网络模型进行乳腺区域分割,获得乳腺预测图;
5、对对比增强前期图像、对比增强后期图像和乳腺预测图进行第二预处理;
6、将预处理后的对比增强后期图像、预处理后的对比增强前期图像分别与预处理后的乳腺预测图拼接后各自输入至第二网络模型的一个编码器中进行乳腺癌病灶区域分割,获得乳腺癌预测图,所述第二网络模型基于u型网络建立,所述第二网络模型中设有两个编码器和一个解码器,两个编码器相对应的编码模块之间参数共享且设有注意力模块,两个所述编码器输出的特征图、所述注意力模块输出的特征图均与所述解码器跳跃连接。
7、可选的,所述将预处理后的对比增强前期图像输入第一网络模型进行乳腺区域分割,获得乳腺预测图,包括:
8、将预处理后的对比增强前期图像划分为若干设定尺寸的补丁块;
9、将所有的所述补丁块输入第一网络模型以分割乳腺区域,获得每个补丁块的预测结果;
10、合并所有预测结果并将合并后图像的尺寸调整至与对比增强前期图像的尺寸相同,获得乳腺预测图。
11、可选的,对图像进行所述第一预处理和所述第二预处理的步骤包括:
12、获取图像中体素强度全为零的边缘区域,将所述边缘区域从图像中切除;
13、对切除后的图像进行重采样以降低图像的分辨率;
14、将重采样后的图像进行标准化处理,获得预处理后的图像。
15、可选的,所述第二预处理中重采样后的图像的分辨率大于所述第一预处理中重采样后的图像的分辨率。
16、可选的,所述注意力模块输出特征图的步骤包括:
17、分别对对比增强后期特征图、对比增强前期特征图进行通道重标定;
18、将重标定后的对比增强前期特征图与重标定后的对比增强后期特征图进行相减,获得差异特征图;
19、将对比增强后期特征图与对比增强前期特征图拼接后进行通道重标定,再进行卷积操作,获得对比增强前期特征图对应的第一权重特征图以及对比增强后期特征图对应的第二权重特征图;
20、将所述第一权重特征图、所述第二权重特征图标准化后分别与对比增强前期特征图、对比增强后期特征图相乘后计算加权和,获得加和特征图;
21、融合所述差异特征图与所述加和特征图,获得融合特征图并输出。
22、可选的,对特征图进行通道重标定的步骤包括:
23、将特征图输入全局平均池化层,获得压缩后的特征图;
24、将压缩后的特征图输入全连接层,获得权重特征图;
25、将权重特征图与所述特征图相乘,获得通道重标定后的特征图。
26、可选的,训练所述第二网络模型的步骤包括:
27、对动态对比增强磁共振影像的训练样本进行预设尺寸的随机采样,获得第一补丁块;
28、根据训练样本的标签划定区域,在所述区域内进行预设尺寸的随机采样,获得第二补丁块;
29、将所述第一补丁块和所述第二补丁块输入所述第二网络模型进行训练,采用的损失函数为交叉熵损失和dice损失的加权和。
30、为了实现上述目的,本发明还提供了一种基于动态对比增强磁共振影像的乳腺病灶分割装置,所述装置包括:
31、预处理模块,用于对对比增强前期图像进行第一预处理和对对比增强前期图像、对比增强后期图像和乳腺预测图进行第二预处理;
32、乳腺区域分割模块,用于将预处理后的对比增强前期图像输入第一网络模型进行乳腺区域分割,获得乳腺预测图;
33、乳腺癌病灶区域分割模块,用于将预处理后的对比增强后期图像、预处理后的对比增强前期图像分别与预处理后的乳腺预测图拼接后各自输入至第二网络模型的一个编码器中进行乳腺癌病灶区域分割,获得乳腺癌预测图,所述第二网络模型基于u型网络建立,所述第二网络模型中设有两个编码器和一个解码器,两个编码器相对应的编码模块之间参数共享且设有注意力模块,两个所述编码器输出的特征图、所述注意力模块输出的特征图均与所述解码器跳跃连接。
34、为了实现上述目的,本发明还提供了一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于动态对比增强磁共振影像的乳腺病灶分割程序,上述基于动态对比增强磁共振影像的乳腺病灶分割程序被上述处理器执行时实现任意一项上述基于动态对比增强磁共振影像的乳腺病灶分割方法的步骤。
35、为了实现上述目的,本发明还提供了一种计算机可读存储介质,上述计算机可读存储介质上存储有基于动态对比增强磁共振影像的乳腺病灶分割程序,上述基于动态对比增强磁共振影像的乳腺病灶分割程序被处理器执行时实现任意一项上述基于动态对比增强磁共振影像的乳腺病灶分割方法的步骤。
36、由上述可见,本发明对dce-mri图像进行预处理后,先分割乳腺区域,再在分割乳腺区域的基础上分割乳腺癌病灶区域,能够减轻类别不平衡问题和排除乳腺以外区域带来的干扰。在分割乳腺癌病灶区域时,采用了包括两个编码器和一个解码器的u型网络,将预处理后的对比增强后期图像、预处理后的对比增强前期图像分别与预处理后的乳腺预测图拼接,并各输入至一个编码器中,并在两个编码器之间采用了注意力模块以综合对比多期信息,进一步地提升分割乳腺癌病灶的分割精度。
1.基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,所述分割方法包括:
2.如权利要求1所述的基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,所述将预处理后的对比增强前期图像输入第一网络模型进行乳腺区域分割,获得乳腺预测图,包括:
3.如权利要求1所述的基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,对图像进行所述第一预处理和所述第二预处理的步骤包括:
4.如权利要求3所述的基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,所述第二预处理中重采样后的图像的分辨率大于所述第一预处理中重采样后的图像的分辨率。
5.如权利要求1所述的基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,所述注意力模块输出特征图的步骤包括:
6.如权利要求5所述的基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,对特征图进行通道重标定的步骤包括:
7.如权利要求1所述的基于动态对比增强磁共振影像的乳腺病灶分割方法,其特征在于,训练所述第二网络模型的步骤包括:
8.基于动态对比增强磁共振影像的乳腺病灶分割装置,其特征在于,所述装置包括:
9.智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于动态对比增强磁共振影像的乳腺病灶分割程序,所述基于动态对比增强磁共振影像的乳腺病灶分割程序被所述处理器执行时实现如权利要求1-7任意一项所述基于动态对比增强磁共振影像的乳腺病灶分割方法的步骤。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于动态对比增强磁共振影像的乳腺病灶分割程序,所述基于动态对比增强磁共振影像的乳腺病灶分割程序被处理器执行时实现如权利要求1-7任意一项所述基于动态对比增强磁共振影像的乳腺病灶分割方法的步骤。