一种改进的U-Net网络实现脊柱整体分割方法

本发明属于脊柱整体分割，特别涉及一种改进的u-net网络实现脊柱整体分割方法。

背景技术：

1、脊柱是人体的支柱，是一个可以活动的复杂结构，通过对脊柱的分割，可以辅助医生早期筛查骨质疏松症、直接检测和评估椎体骨折，甚至可以早期诊断骨转移。因此，脊柱分割是脊柱疾病分析的先决条件，对临床脊柱疾病的诊断和治疗具有重要意义。计算机断层扫描(ct)显示图像清晰,是显示骨结构细节的最佳手段，因此它对骨结构的诊断价值很高，成为医生辅助诊断的首选。

2、在ct图像上对脊柱进行分割，目前的研究主要集中于3d和2d的深度卷积网络。3d卷积神经网络在训练过程中使用3d卷积，相比较2d卷积来说，这种方式大大增加了计算量，因而消耗了更多的内存，对硬件设备的要求很高。在2d图像上脊柱语义分割的研究中，一些研究者都是针对特定位置进行处理。然而在临床实践中，针对不同部位的疾病，每个病人的扫描野是不一样的。在这样的情况下，想要准确在不同fov的ct切片上准确分割出整块的脊柱，这是具有很大的挑战。

3、ct扫描野的不同导致了椎骨在图像上的尺寸大小不同，而之前的研究都没有重点关注过这个问题，都会导致语义分割的精度不高，性能下降。主要表现在以下这几个方面：(1)在网络的设计过程中，没有考虑到特征提取部分需要结合全局信息和局部特征并需要注重多尺度特征的提取，去捕获不同大小的椎骨的特征；(2)在网络设计的过程中，过分考虑到特征的提取和融合，而没有注意到冗余特征对结果的影响；(3)扫描野的不同，有一些图像中椎骨的尺寸小，椎骨之间的距离很近，从而导致椎骨在图像上的表现就是边界模糊。

技术实现思路

1、为了克服以上技术问题，本发明的目的在于提供一种改进的u-net网络实现脊柱整体分割方法，实现不同扫描视野的脊柱的分割，并提高脊柱分割的准确度。

2、为了实现上述目的，本发明采用的技术方案是：

3、一种改进的u-net网络实现脊柱整体分割方法，包括以下步骤；

4、步骤一：在编码器部分通过残差特征金字塔块(rfp：residual featurepyramidsblock)来捕获多尺度信息，并融合多尺度信息；

5、步骤二，在将浅层特征和深层特征融合过程中，为抑制冗余信息的重复利用，提出了注意力跳层结构(asl：attention skip layer)；使用注意力跳层结构将编码器部分的特征与解码器部分的特征进行融合来实现多尺度特征融合；

6、步骤三：使用联合损失函数在解码器部分的每一个阶段都会对特征图进行上采样到原始图像大小，并与分割结果计算损失，从而来对分割结果进行优化，从而实现分割边缘清晰的效果。

7、所述通过残差特征金字塔块来构成改进u-net的编码部分；具体包括：

8、确定所述残差特征金字塔块，用于编码过程中多尺度特征的提取，所述残差块用于将特征重新利用防止梯度弥散和减少有用信息的丢失，所述的残差特征金字塔块的公式为：

9、xi+1＝f1(xi)+f2(f1(xi))

10、其中，xi+1为第i+1层残差特征金字塔块的结果，xi为第i层残差特征金字塔块的结果，f1为一次普通的卷积和池化操作，f2为一个特征金字塔融合块结构。

11、确定所述残差特征金字塔块的特征金字塔融合块，所述特征金字塔融合块包括特征金字塔用于捕获不同尺度的特征，并对不同阶段的多尺度特征进行融合。

12、所述通过注意力跳层结构将浅层特征和深层特征融合，并减少融合过程中的冗余信息，具体包括：

13、所述注意力跳层结构包括两个输入，一个输出，两个输入分别是浅层特征和深层特征，浅层特征和深层特征输入到注意力跳层结构，使用卷积、concat，relu、sigmoid操作来实现将浅层特征与深层特侦进行融合，得到融合后的特征，用于上采样。

14、所述联合损失函数是在解码过程中的每一次上采样结束后，都会对特征图上采样到原始图像的尺寸，并与标签计算损失，来达到约束分割结果的效果。

15、本发明的有益效果。

16、本发明实现了高效且准确的脊柱分割。在verse2019数据集上的实验结果表明，在脊柱分割方面体现了很好的性能，特别在是dice实现了0.8973，hd为0.0152。

17、本发明在u-net的基础上整合了残差块、特征金字塔、注意力机制和联合损失，整体结构易于实现，且实现了高效且准确的脊柱分割。其中，残差特征金字塔块中，残差块引入的目的是在高效利用特征信息的基础上避免了梯度弥散，特征金字塔的引入的目的是捕获多尺度信息。在注意力跳层结构中引入注意力机制来建模两个特征之间的信息联系，利用有用的信息来融合并抑制无用的信息，从而提高网络的性能。

技术特征：

1.一种改进的u-net网络实现脊柱整体分割方法，其特征在于，包括以下步骤；

2.根据权利要求1所述的一种改进的u-net网络实现脊柱整体分割方法，其特征在于，所述通过残差特征金字塔块来构成改进u-net的编码部分；具体包括：

3.根据权利要求2所述的一种改进的u-net网络实现脊柱整体分割方法，其特征在于，确定所述残差特征金字塔块的特征金字塔融合块，所述特征金字塔融合块包括特征金字塔用于捕获不同尺度的特征，并对不同阶段的多尺度特征进行融合。

4.根据权利要求1所述的一种改进的u-net网络实现脊柱整体分割方法，其特征在于，所述通过注意力跳层结构将浅层特征和深层特征融合，并减少融合过程中的冗余信息，具体包括：

5.根据权利要求1所述的一种改进的u-net网络实现脊柱整体分割方法，其特征在于，所述联合损失函数是在解码过程中的每一次上采样结束后，都会对特征图上采样到原始图像的尺寸，并与标签计算损失，来达到约束分割结果的效果。

技术总结
一种改进的U‑Net网络实现脊柱整体分割方法，包括以下步骤；步骤一：在编码器部分通过残差特征金字塔块来捕获多尺度信息，并融合多尺度信息；步骤二，在将浅层特征和深层特征融合过程中，为抑制冗余信息的重复利用，提出了注意力跳层结构；使用注意力跳层结构将编码器部分的特征与解码器部分的特征进行融合来实现多尺度特征融合；步骤三：使用了联合损失函数在编码器部分的每一个阶段都会对特征图进行上采样到原始图像大小，并与分割结果计算损失，对分割结果进行优化，从而实现分割边缘清晰的效果。本发明实现不同扫描视野的脊柱的分割，并提高脊柱分割的准确度。

技术研发人员：杨赵敏,曾建潮,秦品乐,王琦,赵鹏程,柴锐,张晋京
受保护的技术使用者：中北大学
技术研发日：
技术公布日：2024/1/13