一种基于主体和边界共同监督的超声图像语义分割方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116012356A(43)申请公布日2023.04.25(21)申请号202310086638.0G06V10/774(2022.01)(22)申请日2023.01.17G06V10/80(2022.01)G06V10/764(2022.01)(71)申请人武汉工程大学G06N3/0455(2023.01)地址430074湖北省武汉市洪山区雄楚大G06N3/048(2023.01)街693号G06N3/084(2023.01)(72)发明人徐国平廖文涛王霞霞冷雪松张炫吴兴隆(74)专利代理机构湖北武汉永嘉专利代理有限公司42102专利代理师樊凡(51)Int.Cl.G06T7/00(2017.01)G06V10/26(2022.01)G06V20/70(2022.01)G06V10/82(2022.01)权利要求书3页说明书6页附图2页(54)发明名称一种基于主体和边界共同监督的超声图像语义分割方法(57)摘要本发明提供了一种基于主体和边界共同监督的超声图像语义分割方法，通过搭建包括图像输入层、编码器、解码器和预测结果输出层的语义分割网络，使用训练集数据完成指定轮次的训练后，将测试图像输入到训练好的分割网络中，得到最终的分割结果和评估指标，实现了正确预测边界附近像素、提高分割图像的精度的功能。本发明构建的双分支边界和主体监督网络，有效缓解了当前超声图像中存在的声学伪影、病灶和周围组织之间对比度差、边界模糊导致的分割不准的问题，提高了神经网络在超声图像上的分割性能；解决了现有语义分割方法在分割超声图像边界时，由于超声图像的对比度差、边界模糊导致的分割结果不理想的问题。CN116012356ACN116012356A权利要求书1/3页1.一种基于主体和边界共同监督的超声图像语义分割方法，其特征在于：包括以下步骤：S1：采集超声图像数据并进行处理和标注，得到调整后的标注图Gfinal，组成处理后的超声图像数据集，将超声图像数据集划分为训练集和测试集；S2：处理标注图Gfinal，获得边界标签和主体标签；S3：搭建主体和边界双分支监督网络，依次包括图像输入层、编码器、解码器和预测结果输出层；编码器包括五个阶段，每个阶段包括两个卷积层，每个卷积层后设有BatchNormalization批归一化和ReLU激活函数；两个卷积层中，第一个卷积层是1x1卷积，第二个卷积层是带有空洞的常规卷积，自上而下，常规卷积中的空洞率分别为1、2、3、5、7；解码器包括依次连接的两个双分支模块DB、两个主体和边界监督模块DBS；双分支模块DB包括三个部分：第一部分是1x1卷积，用于对输入的特征进行维度调整；第二部分是分别连接在第一部分的结构相同的两个分支，每个分支包括两个常规卷积，用于学习得到丰富的特征；第三部分包括通过反向传播不断得到更新的两个自适应参数，分别与双分支分别输出的特征图相乘进行特征融合，然后相加得到更具代表性的特征图作为双分支模块的输出；主体和边界监督模块DBS的内部结构与双分支模块DB相同，用于拼接编码器的特征图和前一层解码器的特征图，输入到1x1卷积中进行特征降维处理；然后输入到双分支块中，一支用于生成主体特征图FBody，另一支用于生成边界特征图FBD，两个分支分别包括两个常规卷积；S4：采用训练集对主体和边界双分支监督网络进行训练；S5：将测试集输入到训练好的主体和边界双分支监督网络中，得到待分割超声医学图像的分割结果。2.根据权利要求1所述的一种基于主体和边界共同监督的超声图像语义分割方法，其特征在于：所述的步骤S1中，具体步骤为：S11：对采集到的超声图像数据进行清洗，去除不合格的超声图像数据；S12：根据放射学专业的专家经验对超声图像数据进行标注，将标注后的超声图像数据按照7：3的比例划分为训练集和测试集。3.根据权利要求2所述的一种基于主体和边界共同监督的超声图像语义分割方法，其特征在于：所述的步骤S12中，具体步骤为：训练集中的图像采用包括放缩、随机裁剪、随机翻转的方式进行数据增广以实现更优的性能和鲁棒性；标注图像根据训练集的操作进行相应的调整。4.根据权利要求1所述的一种基于主体和边界共同监督的超声图像语义分割方法，其特征在于：所述的步骤S2中，具体步骤为：S21：将调整后的标注图Gfinal划分为前景部分Gfg和背景部分Gbg，对前景部分Gfg做距离变换，得到前景部分Gfg内每个像素到背景部分Gbg的最近距离，称为距离图；S22：将距离图中数值大于指定阈值的距离在前景中的对应像素归类为主体标签，将数值小于或等于阈值的距离在前景中的对应像素归类为边界标签：设表示前景中的单个像2CN116012356A权利要求书2/3页素点，表示前景的像素到背景的最短距离，