基于U形深度监督模型的图像分割模型建立方法及应用与流程

本申请涉及医学图像处理，具体涉及一种基于u形深度监督模型的图像分割模型建立方法及应用。

背景技术：

1、近年来，由于大数据处理能力和算力的不断提升，深度学习技术被应用到各行各业。并在自然图像领域展现了强大的数据特征提取能力。随着医疗智能化的趋势，深度学习技术被广泛应用于智慧医疗领域。其中，医学影像自动分割就是实现医疗智能化的重要部分。

2、以往病理图像需要专业医生勾画出：肿瘤靶区、临床靶区和紧密器官定位等，耗费大量时间和精力，造成的诊疗时间长，工作量大，分割效率低，分割图像不精确的问题。

技术实现思路

1、本申请实施例的目的在于提供一种基于u形深度监督模型的图像分割模型建立方法及应用，用以解决现有技术中的传统图像分割方法造成的诊疗时间长，工作量大，分割效率低，分割图像不精确的问题。

2、为实现上述目的，本申请实施例提供一种基于u形深度监督模型的图像分割模型建立方法，包括：获取用于训练的数据集，对所述数据集中的图像进行预处理；

3、对预处理后的所述数据集，使用正则化方法进行数据样本增强；

4、构建所述图像分割模型，包括：选取下采样编码器作为所述图像分割模型的主干网络，用于提取特征，选取解码器用于上采样过程，以把提取的抽象的特征解码还原到原图尺寸；

5、利用进行预处理和数据样本增强后的所述数据集对所述图像分割模型进行训练和修改，以输出分割图像的掩码信息，在训练结束后，将所述图像分割模型作为所建立的基于u形深度监督模型的图像分割模型。

6、可选地，所述对所述数据集中的图像进行预处理，包括：

7、筛查去除所述数据集中的脏数据和冗余数据，以及对所述数据集中的数据样本做标准化处理；

8、其中，所述标准化处理包括基于光谱的标准化，包括利用稀疏矩阵分解思想，将原始图像通过非负矩阵分解，得到两个染料矩阵，保存图片结构的同时，标准化颜色。

9、可选地，所述使用正则化方法进行数据样本增强，包括：

10、利用cutout算法通过随机遮挡图像块区域，提高所述图像分割模型的泛化性能；

11、和/或，利用cutmix算法随机裁剪patch，替换为同组数据中的patch，帮助模型专注难以区分的像素。

12、可选地，所述选取下采样编码器作为所述图像分割模型的主干网络，包括：

13、使用resnet34作为所述主干网络提取特征，通过四个残差块完成4次下采样操作，每次下采样均添加跳跃短连接。

14、可选地，所述利用进行预处理和数据样本增强后的所述数据集对所述图像分割模型进行训练和修改，包括：

15、针对所述数据集，修改作为特征提取网络的所述主干网络，去除部分池化层，更改数据维度大小，获取更多的先验信息和浅层特征。

16、可选地，还包括：

17、构建基于多分类的交叉熵损失函数，用于预测类别；

18、构建基于二分类的bcewithlogitsloss，用于预测语义分割像素级二分类；

19、利用自适应梯度下降优化器，通过梯度下降法一步步迭代求解，从而得到最小损失函数和最佳模型参数值。

20、可选地，还包括进行数据样本增强方式形态变换，具体包括：

21、设定角度生成旋转矩阵，通过仿射变换旋转90度、180度、270度；水平翻转、垂直翻转；数据平移，设定平移矩阵，在垂直和水平方向做平移。

22、为实现上述目的，本申请还提供一种基于u形深度监督模型的图像分割方法，包括：将待分割的图像输入包含数据生成器的模型预测模块，依据图像分割模型输入大小进行缩放和/或标准化操作，得到预测数据，将所述预测数据输入由上述任一项所述的基于u形深度监督模型的图像分割模型建立方法所建立的所述图像分割模型，得到分割图像的掩码信息。

23、为实现上述目的，本申请还提供一种基于u形深度监督模型的图像分割模型建立装置，包括：存储器；以及

24、与所述存储器连接的处理器，所述处理器被配置成：执行如上述任一项所述的基于u形深度监督模型的图像分割模型建立方法的步骤。

25、为实现上述目的，本申请还提供一种计算机存储介质，其上存储有计算机程序，其中所述计算机程序被机器执行时实现如上所述的方法的步骤。

26、本申请实施例具有如下优点：

27、本申请实施例提供一种基于u形深度监督模型的图像分割模型建立方法，包括：获取用于训练的数据集，对所述数据集中的图像进行预处理；对预处理后的所述数据集，使用正则化方法进行数据样本增强；构建所述图像分割模型，包括：选取下采样编码器作为所述图像分割模型的主干网络，用于提取特征，选取解码器用于上采样过程，以把提取的抽象的特征解码还原到原图尺寸；利用进行预处理和数据样本增强后的所述数据集对所述图像分割模型进行训练和修改，以输出分割图像的掩码信息，在训练结束后，将所述图像分割模型作为所建立的基于u形深度监督模型的图像分割模型。

28、通过上述方法，实现医学图像自动分割，可以缩短诊断时间，提高医务人员工作效率。解决传统图像分割方法造成的诊疗时间长，工作量大，分割效率低，分割图像不精确的问题。

技术特征：

1.一种基于u形深度监督模型的图像分割模型建立方法，其特征在于，包括：

2.根据权利要求1所述的基于u形深度监督模型的图像分割模型建立方法，其特征在于，所述对所述数据集中的图像进行预处理，包括：

3.根据权利要求1所述的基于u形深度监督模型的图像分割模型建立方法，其特征在于，所述使用正则化方法进行数据样本增强，包括：

4.根据权利要求1所述的基于u形深度监督模型的图像分割模型建立方法，其特征在于，所述选取下采样编码器作为所述图像分割模型的主干网络，包括：

5.根据权利要求1所述的基于u形深度监督模型的图像分割模型建立方法，其特征在于，所述利用进行预处理和数据样本增强后的所述数据集对所述图像分割模型进行训练和修改，包括：

6.根据权利要求1所述的基于u形深度监督模型的图像分割模型建立方法，其特征在于，还包括：

7.根据权利要求3所述的基于u形深度监督模型的图像分割模型建立方法，其特征在于，还包括进行数据样本增强方式形态变换，具体包括：

8.一种基于u形深度监督模型的图像分割方法，其特征在于，包括：

9.一种基于u形深度监督模型的图像分割模型建立装置，其特征在于，包括：

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被机器执行时实现如权利要求1至8中任一项所述的方法的步骤。

技术总结
本申请实施例公开了一种基于U形深度监督模型的图像分割模型建立方法及应用，其中基于U形深度监督模型的图像分割模型建立方法包括：获取用于训练的数据集，对所述数据集中的图像进行预处理；对预处理后的所述数据集，使用正则化方法进行数据样本增强；构建所述图像分割模型，包括：选取下采样编码器作为所述图像分割模型的主干网络，用于提取特征，选取解码器用于上采样过程，以把提取的抽象的特征解码还原到原图尺寸；利用进行预处理和数据样本增强后的所述数据集对所述图像分割模型进行训练和修改，以输出分割图像的掩码信息，在训练结束后，将所述图像分割模型作为所建立的基于U形深度监督模型的图像分割模型。

技术研发人员：杜登斌,陈伯怀,张永卫
受保护的技术使用者：吾征智能技术（北京）有限公司
技术研发日：
技术公布日：2024/1/15