一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤分割的方法技術(shù)

本發(fā)明專利技術(shù)通過基于深度信任網(wǎng)絡(luò)的方法實現(xiàn)對腦腫瘤的分割，以利于對病人腦腫瘤疾病的輔助診斷。該方法首先利用自適應(yīng)濾波器、直方圖均衡化和亮度變換處理原始圖像，減少原圖像的噪音并增強(qiáng)圖像的對比度。然后對處理過的圖像提取圖像塊生成數(shù)據(jù)集。然后利用深度信任網(wǎng)絡(luò)對完整腦腫瘤中水腫、壞死、腫瘤區(qū)域進(jìn)行分類實現(xiàn)初分割，再利用模糊C均值聚類分割對圖像進(jìn)一步精確分割，得到的結(jié)果便是完整腦腫瘤的分割結(jié)果。

Method for segmenting brain tumor based on deep trust network

The invention realizes the segmentation of brain tumor by the method based on the deep trust network, so as to assist the diagnosis of the brain tumor disease of the patient. Firstly, the original image is processed by adaptive filter, histogram equalization and brightness transformation to reduce the noise of the original image and to enhance the contrast of the image. Then, an image block is extracted from the processed image to generate a data set. Then the depth of complete trust network in brain tumor edema, necrosis, tumor area classification to achieve initial segmentation, and then using the fuzzy C mean clustering for image segmentation more accurate segmentation, the result is a complete brain tumor segmentation results.

【技術(shù)實現(xiàn)步驟摘要】
一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤分割的方法
本專利技術(shù)屬于計算機(jī)醫(yī)學(xué)圖像分類識別和分割的范疇，更為具體地講，涉及一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤的分割方法，用于輔助醫(yī)療對腦腫瘤實現(xiàn)自動化分割。
技術(shù)介紹
當(dāng)今社會，腦腫瘤愈發(fā)威脅人們的健康。統(tǒng)計資料顯示腦腫瘤患者人數(shù)日益增多。由于腦部具有結(jié)構(gòu)復(fù)雜和功能重要的特點，在臨床上腦腫瘤及其腫瘤樣變的形式多樣，限制了腦腫瘤疾病的早期診斷和治療。隨著計算機(jī)輔助醫(yī)療診斷的技術(shù)的進(jìn)步，已經(jīng)成功的用于乳腺和肺部病變的輔助診斷上。如果能利用計算機(jī)實現(xiàn)醫(yī)學(xué)圖像的精確分割，將有利于醫(yī)生及時的診斷和提出相應(yīng)的治療方案。MRI(磁共振圖像)具有無放射性損害、無骨性偽影，能多方面多參數(shù)成像。特別適合于臨床腦部病變檢查，為醫(yī)生及時的診斷和提出相應(yīng)的治療方案提供了條件。磁共振圖像現(xiàn)已成為臨床的主要診斷手段。但是目前臨床的腦腫瘤分析大多還停留在定性的分析上，定量的分析腦腫瘤的方法目前還不多見。人工分割很費事且因人不同可能會產(chǎn)生不可預(yù)計的錯誤。實現(xiàn)腦腫瘤的準(zhǔn)確有效的分割，是計算機(jī)醫(yī)學(xué)處理領(lǐng)域非常重要的研究課題。臨床的腦腫瘤分割以人工分割為主，但是人工分割較為粗略，且過于費事，所以用計算機(jī)實現(xiàn)自動分割作為醫(yī)療輔助診斷的方式變得非常有意義。但是醫(yī)學(xué)圖像有著不同于其它圖像的獨特特征，單獨使用任何一種傳統(tǒng)的分割算法，都很難達(dá)到理想的效果。相關(guān)學(xué)科的發(fā)展及一些新理論和方法的提出為醫(yī)學(xué)圖像分割技術(shù)注入了新鮮血液，研究者們將這些新技術(shù)應(yīng)用于實踐中，得到了較好的分割效果。其中大多數(shù)分割運用圖像基本處理、特征提取及特征選擇、圖像分類和分割的技術(shù)。目前較為常用的圖像分割方法有關(guān)于模糊集理論的方法、基于統(tǒng)計學(xué)的方法等；分類識別方法則有線性判別、K近鄰、神經(jīng)網(wǎng)絡(luò)等。同時這些方法都具有一定的局限性且多數(shù)用于單一的腫瘤分割，忽略了完整腦腫瘤中的壞死和水腫區(qū)域的分割。隨著機(jī)器學(xué)習(xí)成為計算機(jī)領(lǐng)域的熱門學(xué)科，它的模擬人類學(xué)習(xí)行為以獲取新的知識和技能的特性被更多的用于處理高維數(shù)據(jù)，如醫(yī)學(xué)圖像分類識別。深度信任網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和自動堆疊編碼都是機(jī)器學(xué)習(xí)中熱門的研究方向。深度信任網(wǎng)絡(luò)最早由Hinton在2006年提出，是在RBM(受限波爾茲曼機(jī))的基礎(chǔ)上，通過不斷增加隱層數(shù)目，同時在網(wǎng)絡(luò)的頂層使用RBM，而在其他層使用貝葉斯信念網(wǎng)絡(luò)，從而得到DBN(深度信任網(wǎng)絡(luò))。DBN屬于模式識別的范疇，通常用于數(shù)據(jù)的分類，它在輸入數(shù)據(jù)的訓(xùn)練過程中，通過正向傳播和反向傳播的迭代不斷的優(yōu)化網(wǎng)絡(luò)參數(shù)，然后根據(jù)真值圖像不同的像素點或圖像塊類型給相應(yīng)圖像對應(yīng)位置的像素點或圖像塊添加不同的標(biāo)簽實現(xiàn)分類，將分類模型映射為二值圖像得到初分割結(jié)果。利用預(yù)訓(xùn)練得到的DBN輸出結(jié)果優(yōu)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法的結(jié)果，在此基礎(chǔ)上使用模糊C均值聚類(FCM)方法得到準(zhǔn)確的腦腫瘤分割結(jié)果。
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的在于設(shè)計一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對完整腦腫瘤進(jìn)行分割的方法。在分割過程中，利用圖像數(shù)據(jù)通過深度信任網(wǎng)絡(luò)對于完整腦腫瘤進(jìn)行多分類(包括水腫、壞死以及腫瘤)同時映射形成初分割的二值圖像。為較好的實現(xiàn)分割目的，需要對圖像進(jìn)行預(yù)處理等操作，主要包括以下內(nèi)容：首先根據(jù)MRI的成像原理，去除MRI中的噪聲，利用亮度變換增強(qiáng)圖像的對比度以及細(xì)節(jié)，再利用直方圖均衡化降低因設(shè)備參數(shù)不同而造成的圖像亮度、對比度的差異，得到大致灰度分布均勻的圖像。然后對預(yù)處理后的圖像提取圖像塊和完整腦腫瘤的真值圖像生成輸入數(shù)據(jù)集，再通過深度信任網(wǎng)絡(luò)對腫瘤、水腫、壞死區(qū)域進(jìn)行多分類，最后利用模糊C均值聚類進(jìn)行精確分割。技術(shù)原理如圖1所示，具體技術(shù)流程如下：步驟一：首先利用自適應(yīng)濾波器對圖像進(jìn)行處理，以消除圖像中存在影響分類的噪音，并且通過直方圖均衡化和亮度變換增強(qiáng)腦圖像中腫瘤、水腫和壞死區(qū)域的對比度。步驟二：利用步驟一處理的圖像進(jìn)行圖像塊的提取，并且生成相應(yīng)的輸入數(shù)據(jù)(訓(xùn)練和測試數(shù)據(jù)集)。步驟三：利用無監(jiān)督的深度信任網(wǎng)絡(luò)對步驟二中數(shù)據(jù)的潛在特征進(jìn)行提取，根據(jù)特征的訓(xùn)練對相應(yīng)數(shù)據(jù)塊添加標(biāo)簽對完整腦腫瘤實現(xiàn)多分類(1-水腫、2-壞死、3-腫瘤)，得到多分類模型。步驟四：利用步驟三分類模型映射生成初分割結(jié)果，根據(jù)FCM對初分割后的圖像進(jìn)行分割，分割的結(jié)果為具有水腫、壞死和腫瘤區(qū)域的完整腦腫瘤。附圖說明圖1是本專利技術(shù)基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤的分割方法的技術(shù)方案圖。具體實施方式下面結(jié)合附圖對本專利技術(shù)的具體實施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本專利技術(shù)。需要特別提醒注意的是，在以下的描述中，可能淡化和忽略與本專利技術(shù)有關(guān)的已知功能和設(shè)計的內(nèi)容介紹。在本實施方案中，本專利技術(shù)對腦腫瘤分割方法主要包括以下環(huán)節(jié)：1.圖像預(yù)處理、2.圖像塊提取和數(shù)據(jù)集的生成、3.完整腦腫瘤的多分類、4.模糊C均值聚類分割圖像預(yù)處理采用濾波、直方圖均衡化和亮度變換，圖像提取圖像塊生成輸入數(shù)據(jù)集，創(chuàng)新的采用深度信任網(wǎng)絡(luò)對完整腦腫瘤按照水腫、壞死以及腫瘤區(qū)域進(jìn)行分類，將分類模型映射生成二值圖像得到初分割結(jié)果，其步驟如下：1根據(jù)真值對圖像中所提取的圖像塊設(shè)定類型。以圖像塊中心點的類型為該塊的類型，對完整腦腫瘤中水腫、壞死以及腫瘤區(qū)域設(shè)定類型，分別記為1-水腫、2-壞死、3-腫瘤。2深度信任網(wǎng)絡(luò)訓(xùn)練過程中，利用真值對應(yīng)圖像塊的類型對MRI的相對應(yīng)圖像塊設(shè)定類型。3利用正向傳播和反向傳播的多次迭代，優(yōu)化網(wǎng)絡(luò)參數(shù)，然后根據(jù)真值圖像不同的像素點或圖像塊類型給相應(yīng)圖像對應(yīng)位置的像素點或圖像塊添加不同的標(biāo)簽實現(xiàn)分類，生成完整腦腫瘤的分類模型。4將3中的分類模型映射生成二值圖像，得到初分割結(jié)果。最后的模糊C均值聚類分割過程中，將圖像劃分為相應(yīng)的簇，對已有的簇，隨機(jī)選擇數(shù)據(jù)像素的隸屬度矩M，M＝[Mij],M(0)。通過M(k)計算中心向量R(k)＝[Rj]，其中k為迭代次數(shù)；計算更新后的隸屬度矩陣M(k+1)＝[Mij(k+1)]。當(dāng)||M(k+1)-M(k)||,其中||*||計算中心點和像素點之間的距離，滿足FCM相應(yīng)的錯誤率要求則終止，否則令M(k)＝[Mij(k+1)]，繼續(xù)迭代。利用腦腫瘤和周圍的正常組織像素隸屬度的差異，得到具有水腫、壞死和腫瘤的完整腦腫瘤的分割結(jié)果。本專利技術(shù)是一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤的分割方法具有以下特點：本專利技術(shù)提出一種對完整腦腫瘤進(jìn)行分割方法，可以準(zhǔn)確的對完整腦腫瘤的分割。創(chuàng)新的使用深度信任網(wǎng)絡(luò)可以有效的對具有水腫、壞死及腫瘤的完整腦腫瘤進(jìn)行分割。腦腫瘤的分割結(jié)果可以輔助醫(yī)生對病人病情的診斷和提出治療方案。盡管上面對本專利技術(shù)說明性的具體實施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)的技術(shù)人員理解本專利技術(shù)，但應(yīng)該清楚，本專利技術(shù)不限于具體實施方式的范圍，對本
的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本專利技術(shù)的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本專利技術(shù)構(gòu)思的專利技術(shù)創(chuàng)造均在保護(hù)之列。本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
本專利技術(shù)是一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤分割的方法，主要包括以下內(nèi)容：首先對圖像進(jìn)行預(yù)處理，然后利用深度信任網(wǎng)絡(luò)對于完整腦腫瘤進(jìn)行多分類(包括水腫、壞死以及腫瘤)同時映射形成初分割的二值圖像，繼而用模糊C均值聚類(FCM)方法實現(xiàn)精確分割。技術(shù)方案如下：步驟一：首先利用自適應(yīng)濾波器對圖像進(jìn)行處理，以消除圖像中存在影響分類的噪音，并且通過直方圖均衡化、亮度變換增強(qiáng)腦圖像中腫瘤、水腫和壞死區(qū)域的對比度，將有利于提高分類和分割的準(zhǔn)確度。步驟二：利用步驟一處理的圖像進(jìn)行圖像塊的提取，并且生成相應(yīng)的輸入數(shù)據(jù)(訓(xùn)練和測試數(shù)據(jù)集)。步驟三：利用無監(jiān)督的深度信任網(wǎng)絡(luò)對步驟二中數(shù)據(jù)的潛在特征進(jìn)行提取，根據(jù)特征的訓(xùn)練對相應(yīng)數(shù)據(jù)塊設(shè)定類型，實現(xiàn)對完整腦腫瘤的多分類(1?水腫、2?壞死、3?腫瘤)，得到多分類模型。步驟四：利用步驟三分類模型映射生成初分割結(jié)果，根據(jù)FCM對初分割后的圖像進(jìn)行分割，分割的結(jié)果為水腫、壞死和腫瘤區(qū)域。

【技術(shù)特征摘要】
1.本發(fā)明是一種基于深度信任網(wǎng)絡(luò)實現(xiàn)對腦腫瘤分割的方法，主要包括以下內(nèi)容：首先對圖像進(jìn)行預(yù)處理，然后利用深度信任網(wǎng)絡(luò)對于完整腦腫瘤進(jìn)行多分類(包括水腫、壞死以及腫瘤)同時映射形成初分割的二值圖像，繼而用模糊C均值聚類(FCM)方法實現(xiàn)精確分割。技術(shù)方案如下：步驟一：首先利用自適應(yīng)濾波器對圖像進(jìn)行處理，以消除圖像中存在影響分類的噪音，并且通過直方圖均衡化、亮度變換增強(qiáng)腦圖像中腫瘤、水腫和壞死區(qū)域的對比度，將有利于提高分類和分割的準(zhǔn)確度。步驟二：利用步驟一處理的圖像進(jìn)行圖像塊的提取，并且生成相應(yīng)的輸入數(shù)據(jù)(訓(xùn)練和測試數(shù)據(jù)集)。步驟三：利用無監(jiān)督的深度信任網(wǎng)絡(luò)對步驟二中數(shù)據(jù)的潛在特征進(jìn)行提取，根據(jù)特征的訓(xùn)練對相應(yīng)數(shù)據(jù)塊設(shè)定類型，實現(xiàn)對完整腦腫瘤的多分類(1-水腫、2-壞死、3-腫瘤)，得到多分類模型。步驟四：利用步驟三分類模型映射生成初分割結(jié)果，根據(jù)FCM對初分割后的圖像進(jìn)行分割，分割的結(jié)果為水腫、壞死和腫瘤區(qū)域。2.根據(jù)權(quán)利要求1所述的一種基于深度信任網(wǎng)絡(luò)實現(xiàn)腦腫瘤分割的方法。其特征在于使用深度信任網(wǎng)絡(luò)的過程中，按照圖像塊的灰度特征，實現(xiàn)了對完整腦腫瘤的多分類(水腫、壞死以及腫瘤區(qū)域)和分割，而不是單一的只對其中的腫瘤區(qū)域進(jìn)行分類和分割。本發(fā)明的主要特點在于對完整腦腫瘤進(jìn)行分割的過程進(jìn)行一些改進(jìn)，以提高分割的準(zhǔn)確性。主要包括：(1)利用自適應(yīng)濾波、直方圖均衡化和亮度變換對圖像進(jìn)行預(yù)處理，(2)對預(yù)...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：秦臻，秦志光，李雪瑞，
申請(專利權(quán))人：電子科技大學(xué)，
類型：發(fā)明
國別省市：四川,51