颅脑超声图像的脑白质区域分割方法、装置及电子设备与流程

本发明属于图像处理技术领域，尤其涉及颅脑超声图像的脑白质区域分割方法、装置及电子设备。

背景技术：

传统脑白质超声图像分析方法采用手动分割的方式。如果脑白质受到损伤的部位为侧脑室前角、后角附近白质、侧脑室外侧及背侧白质或者皮质下白质，此时手动分割的准确性容易受操作者经验水平影响产生人为性的误差。此外，传统方法在完成手动分割之后再进行特征提取和分类，耗费大量的人力物力。

对超声图像的脑白质区域分割难点在于图像对比度低，尤其在相邻组织声阻抗差异不大时，分割会很困难；同时，分辨率低，斑点噪点多，存在多种伪影，声影也会对分割精准度造成不好的影响。例如早产儿脑室周的超声图，感兴趣的区域与周围环境没有清晰的边界，与图像的其余部分有着非常相似的纹理，且脑白质区域占比过低，脉络丛等高亮区域对分割结果有很强的负面影响，因此直接做分割较为困难。

技术实现要素：

本发明的目的在于提供颅脑超声图像的脑白质区域分割方法，旨在解决脑白质区域占比过低，脉络丛等高亮区域对分割结果有很强的负面影响的技术问题。

一方面，本发明提供了一种颅脑超声图像的脑白质区域分割方法，所述方法包括下述步骤：

s1.对原始超声图像进行滤波和均衡化的预处理；

s2.使用目标检测网络faster-rcnn对预处理后的超声图像进行目标检测，在图上生成检测框；

s3.将所述检测框内的超声图像裁剪出来，生成包含脑白质区域以及非感兴趣区域的目标图像；

s4.使用语义分割网络segnet剔除所述目标图像中的所述非感兴趣区域，完成对所述目标图像的脑白质区域的精准分割。

另一方面，本发明还提供了一种颅脑超声图像的脑白质区域分割装置，包括：

预处理单元，用于对原始超声图像进行滤波和均衡化的预处理；

粗分割单元，使用目标检测网络faster-rcnn对预处理后的超声图像进行目标检测，在图上生成检测框；进而将所述检测框内的超声图像裁剪出来，生成包含脑白质区域以及非感兴趣区域的目标图像；

精细分割单元，使用语义分割网络segnet剔除所述目标图像中的所述非感兴趣区域，完成对所述目标图像的脑白质区域的精准分割。

另一方面，本发明还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述1至5任一项所述的颅脑超声图像的脑白质区域分割方法。

本发明通过对原始的输入超声图像进行扩散和增强预处理，进而对处理后的超声图像进行粗糙分割，得到包含脑白质区域以及其余的非感兴趣区域的目标图像；对已缩小的区域进行二次分割，剔除掉框中的非感兴趣区域，得到精准分割的脑白质区域。可以有效避免超声图像中感兴趣的区域与周围环境没有清晰的边界、脑白质区域占比过低，脉络丛等高亮区域对分割结果有很强的负面影响。

附图说明

图1是本发明实施例一提供的颅脑超声图像的脑白质区域分割方法的实现流程图；

图2是本发明实施例二提供的颅脑超声图像的脑白质区域分割装置结构框图；

图3是本发明施例一提供的颅脑超声图像的脑白质区域分割方法的流程示意图；

图4是本发明施例一提供的颅脑超声图像的脑白质区域分割方法的粗分割流程示意图；

图5是本发明施例一提供的颅脑超声图像的脑白质区域分割方法的精细分割流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述：

实施例一：

图1、图3示出了本发明实施例一提供的一种颅脑超声图像的脑白质区域分割方法，所述方法包括下述步骤：

s1.对原始超声图像进行滤波和均衡化的预处理；

s2.使用目标检测网络faster-rcnn对预处理后的超声图像进行目标检测，在图上生成检测框；

s3.将所述检测框内的超声图像裁剪出来，生成包含脑白质区域以及非感兴趣区域的目标图像；

s4.使用语义分割网络segnet剔除所述目标图像中的所述非感兴趣区域，完成对所述目标图像的脑白质区域的精准分割。

进一步的，所述步骤s1包括以下步骤：

s11.使用各向异性滤波器对所述原始超声图像进行扩散处理；

s12.对扩散处理后的原始超声图像通过直方图均衡化进行增强处理。

进一步的，所述步骤s2包括以下步骤：

s21.将预处理后的超声图像缩放后放入卷积层提取特征，得到特征图；

s22.将所述特征图送入区域候选网络生成一系列可能的候选框；

s23.将所述特征图和所有的所述候选框输入到感兴趣区域池化层，提取出固定大小为7*7的候选特征图；

s24.将所述候选特征图送入全连接层进行目标分类与回归，得到带有所述检测框的超声图像。

具体的，如图4所示，粗分割的第一步使用的网络是faster-rcnn网络。faster-rcnn网络(faster-神经卷积网络)通过添加rpn网络(区域候选网络)，基于anchor机制来生成候选框，最终将特征提取、候选框提取、边框回归和分类都整合到一个网络中，从而有效的提高检测精度和检测效率。具体的流程是是将输入图像缩放以后放入到卷积层提取特征得到特征图，然后将特征图送入rpn网络生成一系列可能的候选框，接下来将原始的特征图和rpn输出的所有候选框输入到roipooling层(感兴趣区域池化层)，提取收集proposal(候选框)，并计算出固定大小7*7的proposal特征图，送入全连接层softmax层进行目标分类与回归。

本方法中，输入脑室的超声图像，由faster-rcnn网络检测出白质区域和非感兴趣区域的目标图像，为下一步在白质区域基础上分割出损伤区域作准备。

进一步的，所述语义分割网络segnet包括编码器与解码器。

进一步的，所述步骤s4包括以下步骤：

s41.所述编码器提取所述目标图像每一个像素点的特征并对该像素点分类，进而通过池化层增大感受野同时缩小图片尺寸；

s42.所述解码器对所述编码器处理后的目标图像进行反卷积使得图像分类后特征得以重现；

s43.所述解码器通过上采样操作还原到图像原始尺寸，输出不同分类的最大值；

s44.所述解码器将解析后的信息对应到所述原始超声图像，形成最终的脑白质精准分割图。

具体的，图5为语义分割的网络模型segnet网络。segnet是通过对图像中每一个像素点进行分类，识别每一个像素点的类别来实现图像的分割。该网络主要有两部分组成：编码器与解码器。在编码器部分，提取特征，通过池化层增大感受野，同时图片变小；而解码器部分，主要操作是反卷积与上采样，通过反卷积使得图像分类后特征得以重现，上采样还原到图像原始尺寸，最后通过softmax层，输出不同分类的最大值，得到最终分割图。

解码器将解析后的信息对应成最终的图像形式。

在该算法中，使用梯度下降算法来优化模型，学习率设置为1，动力系数为0.9，共训练15个epochs。

优选的，将上述神经网络模型变体应用于颅脑超声图像的白质分割，网络模型变体包括修改简单修改网络层数，改变卷积核大小，优化函数和激活函数的选取等。

在本发明实施例中，利用faster-rcnn网络用矩形框定位出包含颅脑白质的区域，并裁剪出来；进一步使用语义分割segnet网络较精确地分割出脑白质区域。可以提供给医生较为准确的分割图像，有助于医生对脑部损伤的判断。

实施例二：

图2示出了本发明实施例二提供的一种颅脑超声图像的脑白质区域分割装置，包括：

预处理单元，用于对原始超声图像进行滤波和均衡化的预处理；

粗分割单元，使用目标检测网络faster-rcnn对预处理后的超声图像进行目标检测，在图上生成检测框；进而将所述检测框内的超声图像裁剪出来，生成包含脑白质区域以及非感兴趣区域的目标图像；

精细分割单元，使用语义分割网络segnet剔除所述目标图像中的所述非感兴趣区域，完成对所述目标图像的脑白质区域的精准分割。

进一步的，所述预处理单元包括：

滤波模块，使用各向异性滤波器对所述原始超声图像进行扩散处理；

图像增强模块，用于对扩散处理后的原始超声图像通过直方图均衡化进行增强处理。

进一步的，所述粗分割单元包括：

卷积层，用于提取预处理后的超声图像的特征，得到特征图；

区域候选网络，用于通过所述特征图生成一系列可能的候选框；

感兴趣区域池化层，用于根据所述特征图和所有的所述候选框提取出固定大小为7*7的候选特征图；

全连接层，用于对所述候选特征图进行目标分类与回归，得到带有所述检测框的超声图像。

进一步的，所述语义分割网络segnet包括编码器和解码器；

所述编码器提取所述目标图像每一个像素点的特征并对该像素点分类，进而通过池化层增大感受野同时缩小图片尺寸；

所述解码器对所述编码器处理后的目标图像进行反卷积使得图像分类后特征得以重现；进而通过上采样操作还原到图像原始尺寸，输出不同分类的最大值；

所述解码器还用于将解析后的信息对应到所述原始超声图像，形成最终的脑白质精准分割图。

通过粗分割单元与精细分割单元的顺序分割，能够避免因主观性带来的影响，为医生进行后续诊断提供有效帮助。

实施例三：

本发明实施例三提供的一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的颅脑超声图像的脑白质区域分割方法。

解决了手动分割的各种弊端，采用自动分割的方法，减轻了医生负担。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。