一种基于医疗风险的医学图像分割控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113763394A(43)申请公布日2021.12.07(21)申请号202110973635.X(22)申请日2021.08.24(71)申请人同济大学地址200092上海市杨浦区四平路1239号(72)发明人何良华刘晓洁马伟镇程舸帆(74)专利代理机构上海科盛知识产权代理有限公司31225代理人宣慧兰(51)Int.Cl.G06T7/11(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书5页附图5页(54)发明名称一种基于医疗风险的医学图像分割控制方法(57)摘要本发明涉及一种基于医疗风险的医学图像分割控制方法，具体包括以下步骤：S1、获取待分割的医学图像集，对医学图像集中的目标区域进行标注；S2、对医学图像集中的原始数据进行预处理；S3、按照预设比例将医学图像集划分为训练集和测试集；S4、生成医学图像分割模型，将训练集输入医学图像分割模型，对医学图像分割模型进行训练；S5、将测试集输入训练好的图像分割模型，得到目标区域的分割图像。与现有技术相比，本发明具有使得模型始终受到医疗风险的约束、提高医学图像分割结果的准确性、实现既准确又安全的分割等优点。CN113763394ACN113763394A权利要求书1/2页1.一种基于医疗风险的医学图像分割控制方法，其特征在于，具体包括以下步骤：S1、获取待分割的医学图像集，对医学图像集中的目标区域进行标注；S2、对所述医学图像集中的原始数据进行预处理；S3、按照预设比例将医学图像集划分为训练集和测试集；S4、生成医学图像分割模型，将训练集输入所述医学图像分割模型，对所述医学图像分割模型进行训练；S5、将所述测试集输入训练好的图像分割模型，得到目标区域的分割图像。2.根据权利要求1所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述医学图像分割模型基于U‑net网络结构进行生成。3.根据权利要求1所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述步骤S4中生成医学图像分割模型具体包括以下步骤：S41、构建医学图像分割模型所需的编码块；S42、构建医学图像分割模型所需的解码块；S43、设置医学图像分割模型的损失函数，结合对应的编码块和解码块生成医学图像分割模型。4.根据权利要求3所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述编码块的结构具体为四层编码块。5.根据权利要求4所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述四层编码块中每层编码块包括依次连接的卷积层、ReLU激活层以及最大池化层。6.根据权利要求5所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，每层编码块中卷积层的数量为2个，ReLU激活层的数量为1个，最大池化层的数量为1个。7.根据权利要求3所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述解码块的结构具体为四层解码块。8.根据权利要求7所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述四层解码块中每层解码块包括卷积层、上采样层、ReLU激活层以及跳跃连接层。9.根据权利要求8所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，每层解码块中卷积层的数量为2个，上采样层的数量为1个，ReLU激活层的数量为1个，跳跃连接层的数量为1个。10.根据权利要求3所述的一种基于医疗风险的医学图像分割控制方法，其特征在于，所述损失函数Lseg包括医疗风险损失项，与交叉熵函数进行结合，具体公式如下所示：Lseg＝Lce+Lr2CN113763394A权利要求书2/2页其中，Lce为多分类交叉熵损失函数，Lr为医疗风险损失函数，y为标准分割图，为解码块输出的分割图，λ为超参数，为过程变量。3CN113763394A说明书1/5页一种基于医疗风险的医学图像分割控制方法技术领域[0001]本发明涉及医学图像分割领域，尤其是涉及一种基于医疗风险的医学图像分割控制方法。背景技术[0002]近年来，由于人类居住环境的破坏、工作压力增大和生活节奏过快等因素，癌症等疾病呈现低龄化和高发病率的趋势。在针对肿瘤的临床治疗中，切除病变区域是目前较为常用和有效的治疗办法。医生在进行切除手术时，需要将病变区域彻底切除干净，同时也要尽可能地避免损伤其周围的正常组织器官，比如血管、神经及其他脏器等，降低医疗风险。随着计算机技术的不断发展与进步，大量研究表明，通过全自动方式对医学图像进行分割，能为医生在诊断和治疗方面提供很大帮助。但由于医学图像自身具有较高的复杂性，组织器官形状也因人而异，从医学图像中自动分割特定目标是个艰巨的任务，目前基于医学图像的分割结果的准确性仍有待提高，有关这方面的研究已