一种胃壁超声影像分割方法、系统、设备及介质与流程

本申请涉及医学数据分析领域，具体而言，涉及一种胃壁超声影像分割方法、系统、设备及介质。

背景技术：

1、胃超声的应用越来越普及，具有独特的优势。超声成像具有无创、无痛、廉价、方便、实时等特点。由于超声束可以穿透胃壁，显示胃壁的各个层次结构，因此胃超声在胃部疾病的诊断中具有很大的应用价值，对胃壁增厚病变的检出率较高。但是，在胃肠超声图像中，胃溃疡病灶模糊，形态多变，胃壁较薄。对于每一张胃肠超声切面的标注，都需要耗费资深医生大量时间，成本高昂。

2、为此，现有技术中有提出基于u-net的胃壁检测网络。其通过采用各向异性扩散技术提取胃壁层状结构，然后通过计算和计数胃壁五层结构的厚度，以构建胃癌筛查模型。但是其胃壁分割任务较为简单，分割准确度有限，难以准确的反映不同角度的胃壁组织。

技术实现思路

1、本申请的目的在于提供一种胃壁超声影像分割方法、系统、设备及介质，其能够准确有效的分割胃壁的各个层次，从而准确的反映不同角度的胃壁组织。

2、本申请是这样实现的：

3、第一方面，本申请提供一种胃壁超声影像分割方法，包括以下步骤：

4、将目标对象的胃充盈超声影像送入多层特征提取网络中，得到超声影像特征。将超声影像特征送入局部增强网络，以输出特征f11和特征将特征f11送入第一注意力模块，得到特征f1a；以及将特征送入第二注意力模块，得到特征其中，上述特征f1a和特征均为具有通道注意力和位置注意力的特征。将特征f1a和特征进行级联处理，得到特征f10；以及将特征和特征f11进行级联处理，得到特征将特征f10送入第一胃壁分割网络中，以得到第一胃壁精分割结果；以及将特征送入第二胃壁分割网络中，以得到第二胃壁精分割结果；其中，上述第一胃壁分割网络用以分割层次较为分明的胃壁组织、以及层次难以分辨区域的胃壁组织，第二胃壁分割网络用以分割浆膜层、粘膜层、粘膜下层和肌层。

5、进一步地，基于前述方案，上述第一胃壁分割网络和第二胃壁分割网络均包括依次串联的3×3的卷积和1×1的卷积；其中，3×3的卷积用于优化网络参数，1×1的卷积用于输出第一/第二胃壁精分割结果。

6、进一步地，基于前述方案，该方法还包括：将特征f10送入第一中心线检测网络中，以得到第一胃壁中心线检测结果；以及将特征送入第二中心线检测网络中，以得到第二胃壁中心线检测结果。

7、进一步地，基于前述方案，该方法还包括：将特征f11单独后接3×3的卷积和1×1的卷积，以根据特征f11得到第一胃壁粗分割结果；以及将特征送入单独后接3×3的卷积和1×1的卷积，以根据特征得到第二胃壁粗分割结果。

8、进一步地，基于前述方案，上述第一中心线检测网络和第二中心线检测网络均包括依次串联的3×3的卷积和两个并联的1×1的卷积；其中，3×3的卷积用于优化网络参数，第一个1×1的卷积用于计算每个点相对于距离目标类别中心线上最近的那个点在横轴和纵轴方向上的偏置，第二个1×1的卷积用于分割出对应的胃壁组织。

9、进一步地，基于前述方案，上述方法对应的框架的总损失ls＝ls12+ls22+k(ls11+ls21)+η(lc1+lc2)；其中，k和η为取值为0到1之间的权重系数，ls12为第一胃壁精分割结果的损失，ls11为第一胃壁粗分割结果的损失，ls22为第二胃壁精分割结果的损失，ls21为第二胃壁粗分割结果的损失，lc1为第一中心线检测网络的损失，lc2为第二中心线检测网络的损失。

10、进一步地，基于前述方案，上述多层特征提取网络采用resnet50网络。

11、第二方面，本申请提供一种胃壁超声影像分割系统，其包括：

12、特征提取模块，被配置为：将目标对象的胃充盈超声影像送入多层特征提取网络中，得到超声影像特征。局部增强模块，被配置为：将超声影像特征送入局部增强网络，以输出特征f11和特征注意处理模块，被配置为：将特征f11送入第一注意力模块，得到特征f1a；以及将特征送入第二注意力模块，得到特征其中，上述特征f1a和特征均为具有通道注意力和位置注意力的特征。级联模块，被配置为：将特征f1a和特征进行级联处理，得到特征f10；以及将特征和特征f11进行级联处理，得到特征胃壁分割模块，被配置为：将特征f10送入第一胃壁分割网络中，以得到第一胃壁精分割结果；以及将特征送入第二胃壁分割网络中，以得到第二胃壁精分割结果；其中，上述第一胃壁分割网络用以分割层次较为分明的胃壁组织、以及层次难以分辨区域的胃壁组织，第二胃壁分割网络用以分割浆膜层、粘膜层、粘膜下层和肌层。

13、第三方面，本申请提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器；当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项所述的方法。

14、第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。

15、相对于现有技术，本申请至少具有如下优点或有益效果：

16、本申请提出了一种胃壁超声影像分割方法，在将超声影像特征送入局部增强网络中输出特征f11和特征后，通过两个分支对胃壁进行分割。其中分支一着重分割层次较为分明的胃壁组织和层次难辨的胃壁组织。分支二着重分割可分辨胃壁组织中的浆膜层、粘膜层、粘膜下层、肌层。并且，两个分支之间的胃壁分割间可相互促进，互相优化。从而，能够准确有效的分割胃壁的各个层次，从而准确的反映不同角度的胃壁组织。

技术特征：

1.一种胃壁超声影像分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种胃壁超声影像分割方法，其特征在于，所述第一胃壁分割网络和第二胃壁分割网络均包括依次串联的3×3的卷积和1×1的卷积；其中，3×3的卷积用于优化网络参数，1×1的卷积用于输出第一/第二胃壁精分割结果。

3.如权利要求1所述的一种胃壁超声影像分割方法，其特征在于，还包括：将特征f10送入第一中心线检测网络中，以得到第一胃壁中心线检测结果；以及将特征f20送入第二中心线检测网络中，以得到第二胃壁中心线检测结果。

4.如权利要求3所述的一种胃壁超声影像分割方法，其特征在于，还包括：将特征f11送入第一胃壁分割网络，得到第一胃壁粗分割结果；以及将特征f21送入第二胃壁分割网络，得到第二胃壁粗分割结果。

5.如权利要求3所述的一种胃壁超声影像分割方法，其特征在于，所述第一中心线检测网络和第二中心线检测网络均包括依次串联的3×3的卷积和两个并联的1×1的卷积；其中，3×3的卷积用于优化网络参数，第一个1×1的卷积用于计算每个点相对于距离目标类别中心线上最近的那个点在横轴和纵轴方向上的偏置，第二个1×1的卷积用于分割出对应的胃壁组织。

6.如权利要求4所述的一种胃壁超声影像分割方法，其特征在于，所述方法对应的框架的总损失ls＝ls12+ls22+k(ls11+ls21)+η(lc1+lc2)；其中，k和η为取值为0到1之间的权重系数，ls12为第一胃壁精分割结果的损失，ls11为第一胃壁粗分割结果的损失，ls22为第二胃壁精分割结果的损失，ls21为第二胃壁粗分割结果的损失，lc1为第一中心线检测网络的损失，lc2为第二中心线检测网络的损失。

7.如权利要求1所述的一种胃壁超声影像分割方法，其特征在于，所述多层特征提取网络采用resnet50网络。

8.一种胃壁超声影像分割系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。

技术总结
本申请提出了一种胃壁超声影像分割方法、系统、设备及介质，涉及医学数据分析领域。其包括：将目标对象的胃充盈超声影像送入多层特征提取网络中，得到超声影像特征；将超声影像特征送入局部增强网络，以输出特征和特征将特征送入第一注意力模块，得到特征以及将特征送入第二注意力模块，得到特征其中，所述特征和特征均为具有通道注意力和位置注意力的特征；将特征和特征进行级联处理，得到特征以及将特征和特征进行级联处理，得到特征将特征送入第一胃壁分割网络中，以得到第一胃壁精分割结果；以及将特征送入第二胃壁分割网络中，以得到第二胃壁精分割结果。该方案能有效的分割胃壁的各个层次，从而准确的反映不同角度的胃壁组织。

技术研发人员：黄伟俊,吴继鹏,简国亮,钟源,余丽惠,方芹,刘勤学,陈可欣,邱懿德
受保护的技术使用者：佛山市第一人民医院
技术研发日：
技术公布日：2024/4/29