一种基于PSPNet改进的甲状腺结节超声图像自动分割方法与流程

本发明涉及医学图像分类，尤其涉及一种基于pspnet改进的甲状腺结节超声图像自动分割方法。

背景技术：

1、甲状腺是人体内最重要的内分泌腺之一。它产生甲状腺激素，调节身体的心率和新陈代谢。研究发现，甲状腺肿瘤的全球患病率正在逐年增加。患者常伴有甲状腺肿瘤引起的呼吸困难、吞咽困难、声音嘶哑、身体疼痛等症状。在临床实践中，超声检查因其对甲状腺恶性肿瘤的评价具有较高的敏感性和特异性，被认为是诊断甲状腺肿瘤最有效的筛查方法。在筛查时，医生需要根据甲状腺肿瘤的形状、回声、纹理等特征，根据超声图像判断是否为恶性肿瘤。如果肿瘤轮廓能很好地分割出来，将会很有帮助。但由于医生专业水平的个人差异，诊断结果可能不准确。此外，当大量的筛查任务需要同时进行时，医生很难诊断甲状腺肿瘤。因此，开发一种自动的方法来帮助医生找到一种方法来精确地描绘肿瘤边界是非常重要的。

2、随着医学图像处理技术和计算机技术的迅速发展，计算机辅助诊断(cad)逐渐帮助医生对甲状腺超声图像进行分析和诊断。cad技术提高了诊断的客观性，减轻了放射科医生的工作量。在最初的研究中，尝试使用传统的图像滤波方法来实现从超声图像中分割甲状腺结节。近年来，人们开始使用深度学习方法对甲状腺超声图像进行分割。

3、现有技术cn113610859a使用空洞卷积、密集连接以及repair module(修正模块)等网络结构，然后利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型；对甲状腺结节进行分割，得到结节病灶信息。该方法利用训练集对甲状腺结节分割网络进行训练，得到训练好的分割模型，辅助医生提高诊断效率。现有技术cn114998296a中针对甲状腺超声图像提出了一种基于改进unet网络的甲状腺结节分割方法。在unet网络的前3个下采样卷积中增加自注意力残差连接块；其次在第4个下采样后增加高低频自注意力自适应融合模块；最后在高低频自注意力自适应融合模块之后接入语义增强模块；使用argmax判断像素值属于结节还是背景。

4、现有技术cn114998296a直接在unet网络的下采样卷积中使用注意力模块，增加了特征提取网络的计算量。没有考虑甲状腺结节超声图像的特征在后处理中的细化问题，且该方法忽略了甲状腺结节边缘的不规则信息。此外，这些方法还忽略了结节周围的语义信息，无法保证和证明模型对于边界模糊的图像的分割效果。

技术实现思路

1、本发明克服了现有技术的不足，提供一种基于pspnet改进的甲状腺结节超声图像自动分割方法。

2、为达到上述目的，本发明采用的技术方案为：一种基于pspnet改进的甲状腺结节超声图像自动分割方法，包括以下步骤：

3、s1、数据整理和分析：采集结节超声图像数据集；所述结节超声图像数据集包括：来自不同患者的若干超声图像，和专家筛选审核做出的标签信息；

4、s2、数据预处理：对数据集进行数据增强、随机旋转和高斯模糊处理；

5、s3、模型改进：使用基于pspnet的改进网络结构，引入了双路径注意机制和综合损失函数，并增加了bceloss和ssimloss；

6、s4、模型训练与评价：利用学习率衰减策略训练模型；

7、s5、基于训练完成的模型，根据超声结节数据集，输出甲状腺结节超声图像自动分割的结果。

8、本发明一个较佳实施例中，在所述s2中，预处理的具体操作为：

9、a、数据增强：通过随机水平镜像和垂直镜像操作进行数据增强；

10、b、随机旋转：将随机旋转操作添加到图像中，旋转范围为逆时针10°至顺时针10°；

11、c、高斯模糊处理：对图像进行高斯模糊操作，模糊级别随机设置。

12、本发明一个较佳实施例中，在所述s3中，双路径注意机制为有效通道注意模块和残差桥模块。

13、本发明一个较佳实施例中，在所述s4中，设定模型初始学习率为0.01，权值衰减为0.00005。

14、本发明一个较佳实施例中，在所述s4中，包括：采用评价指标包括平均交比、平均精度、骰子系数或平均像素精度中的至少一种进行模型评价，以评估结节边缘分割效果。

15、本发明一个较佳实施例中，在所述s4中，还包括：使用unet、deeplabv3+和pspnet进行对比实验，求每个模型经过10倍交叉验证后的平均值，以验证分割的准确性。

16、本发明一个较佳实施例中，在所述s4中，单独应用cbam、ecanet和rbm的注意力模块后进行注意力机制的消融实验，求每个模型经过10倍交叉验证后的平均值，以验证双路径注意力模块的有效性。

17、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

18、(1)本发明提供的改进的基于pspnet的注意力网络，在网络的内部引入双路径注意机制，双路径注意力机制中的一部分通过轻量级跨通道交互捕获全局信息；另外一部分通过残差桥式网络将注意力聚焦于特征区域的边缘结构。网络的最后利用pspnet的金字塔池化模块将获得的显著性特征图进行不同尺度的池化操作。在不增加计算量的情况下，提高了甲状腺结节的分割精度，降低了分割误差。训练出的模型能够辅助医生进行甲状腺结节的快速定位诊断、减少了医生的工作负担，具有一定的临床意义。

19、(2)本发明同时设计了新的综合损失函数，加入了bceloss使其更好的专注于分割任务。同时ssimloss也被加到里面。通过对图像的亮度、对比度和结构三个方面进行对比，使得算法更加关注显著性特征图的边缘细节信息。

技术特征：

1.一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于：在所述s2中，预处理的具体操作为：

3.根据权利要求1所述的一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于：在所述s3中，双路径注意机制为有效通道注意模块和残差桥模块。

4.根据权利要求1所述的一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于：在所述s4中，设定模型初始学习率为0.01，权值衰减为0.00005。

5.根据权利要求1所述的一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于：在所述s4中，包括：采用评价指标包括平均交比、平均精度、骰子系数或平均像素精度中的至少一种进行模型评价，以评估结节边缘分割效果。

6.根据权利要求1所述的一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于：在所述s4中，还包括：使用unet、deeplabv3+和pspnet进行对比实验，求每个模型经过10倍交叉验证后的平均值，以验证分割的准确性。

7.根据权利要求1所述的一种基于pspnet改进的甲状腺结节超声图像自动分割方法，其特征在于：在所述s4中，单独应用cbam、ecanet和rbm的注意力模块后进行注意力机制的消融实验，求每个模型经过10倍交叉验证后的平均值，以验证双路径注意力模块的有效性。

技术总结
本发明公开了一种基于PSPNet改进的甲状腺结节超声图像自动分割方法，包括：S1、采集结节超声图像数据集；S2、对数据集进行数据增强、随机旋转和高斯模糊处理；S3、使用基于PSPNet的改进网络结构，引入了双路径注意机制和综合损失函数，并增加了BCELoss和SSIMLoss；S4、利用学习率衰减策略训练模型；S5、基于训练完成的模型，输出甲状腺结节超声图像自动分割的结果。本发明基于PSPNet的注意力网络，在网络的内部引入双路径注意机制，网络的最后利用金字塔池化模块将获得的显著性特征图进行不同尺度的池化操作。训练出的模型能够辅助医生进行甲状腺结节的快速定位诊断、减少了医生的工作负担，具有一定的临床意义。

技术研发人员：马贺,王书焕,黄龙,廖玲敏,章春泉
受保护的技术使用者：纽智医疗科技（苏州）有限公司
技术研发日：
技术公布日：2024/1/16