一种基于巴氏系数主动轮廓注意力的CT图像分割方法

专利主权项内容

1.一种基于巴氏系数主动轮廓注意力的CT图像分割方法，其特征是，步骤如下：S1.数据集是3D肾脏和肾脏肿瘤的CT图像，来自MICCAI KiTS19，该数据集的训练集包括210个3D-CT图像，测试集包括90个3D-CT图像；S2.调用nibabel库处理数据集中的体数据得到2D的png格式的切片，从每个体数据中分别选取了10个切片，得到数据集D’，对数据集D’中的训练集进行数据增强得到数据集D；S3.网络结构包括编码部分和解码部分，编码部分使用的是VGG16预训练网络对输入图像进行特征提取，使用预训练的VGG16网络前五个阶段，其中第五个阶段不包含最大池化运算Maxpooling操作，每一个阶段分别得到特征图像A、A、A、A、A，解码部分使用的是巴氏系数主动轮廓注意力和注意力深度可分离卷积块；12345解码部分包括第一巴氏系数主动轮廓注意力模块、第一注意力深度可分离卷积块、第二巴氏系数主动轮廓注意力模块、第二注意力深度可分离卷积块、第三巴氏系数主动轮廓注意力模块、第三注意力深度可分离卷积块、第四巴氏系数主动轮廓注意力模块组成、第四注意力深度可分离卷积块和输出模块；第一巴氏系数主动轮廓注意力模块包含第一初始轮廓块、第一图像处理块、第一巴氏系数主动轮廓块和第一注意力块；(1)第一初始轮廓块实现步骤如下：特征图A经过上采样得到特征图M，特征图M经过1×1的卷积得到特征图B, 特征图A经过1×1的卷积得到特征图C, 特征图B和特征图C相加得到特征图D, 特征图D分别经过Relu激活函数、1×1的卷积、Sigmoid激活函数得到特征图N、特征图N经距离变换后得到特征图E, 即初始轮廓；5111411111111距离变换由求得，其中d(., 0)是欧几里得距离，*是卷积乘，exp是以自然常数e为底的指数函数，λ是人为给定的，且1>λ>0；(2)第一图像处理块实现步骤如下：特征图M经过1×1的卷积得到特征图F，输入图像通过Resize图像处理函数、Sigmoid激活函数得到特征图G, 特征图F和特征图G相加得到特征图H, 特征图H经过1×1的卷积、Sigmoid激活函数得到特征图I；11111111(3)第一巴氏系数主动轮廓块实现步骤如下 : 使用巴氏系数主动轮廓算法对特征图I进行有限次迭代分割，得到特征图J : J＝BCV(I, E, μ, ν)，其中μ和ν为正参数，是人为给定的；BCV为巴氏系数主动轮廓算法；E为特征图E；1111111巴氏系数主动轮廓算法的能量函数为：其中μ后面的式子表示轮廓的长度，ν后面的式子表示轮廓内的面积，δ表示狄拉克函数，H为Heavyside函数，Ω是定义域，Q为RGB颜色空间，in和out分别是初始轮廓E内部和外部的区域；对于给定的颜色q，使用基于高斯核的直方图估计概率分布函数P(E, q)和P(E, q)；1in1out1(4)第一注意力块实现步骤如下 : 特征图A和特征图J相乘得到特征图K；411第一注意力深度可分离卷积块实现步骤如下：将特征图M和特征图K拼接后，将拼接结果依次经过逐点卷积、Batch Normalization批量归一化、1×7的轴向深度卷积、7×1的轴向深度卷积、Residual残差卷积、逐点卷积和GELU激活函数得到特征图L，特征图L依次经过全局平均池化、1×1的卷积、Relu激活函数、1×1的卷积、Sigmoid激活函数后，再和特征图L相乘得到特征图P；111111S4.使用Dice损失函数计算损失函数Loss；S5.使用SGD优化器，通过反向传播来调整网络中的权重和偏置量；S6.在数据集D的训练过程中，设置保存评价最优指标的变量，将最优的权重与偏置量保存在新建的文件ph中；S7.把最优的权重与偏置量加载到网络中，读取测试集中的图像完成分割，将结果保存为jpg格式的文件。