基于边界增强与全局建模的图像分割方法及系统

本发明涉及医学图像处理领域，具体涉及一种基于边界增强与全局建模的图像分割方法及系统。

背景技术：

1、头颈部癌症是发生于口腔、咽、喉、鼻腔、鼻窦及唾液腺等区域的一类常见恶性肿瘤。国际癌症研究机构（iarc）相关资料显示，头颈部癌症位列全球第七大常见癌症，是具有较高发病率和死亡风险的恶性肿瘤之一。由于头颈部解剖结构复杂，肿瘤常邻近吞咽、呼吸、发声及重要血管神经等关键功能结构，其进展或治疗不当均可能严重影响患者生活质量和生存预后。颈部淋巴结受累情况是头颈部癌症诊断、分期评估及治疗方案制定的重要依据，若淋巴结区域识别不准确，可能导致放疗靶区遗漏或正常组织过度照射，从而影响治疗效果并增加不良反应风险，因此对淋巴结区域进行准确分割具有重要临床意义。

2、计算机断层扫描（ct）图像作为头颈部癌症诊断和放疗计划制定中的重要成像手段，能够提供清晰的二维或三维结构信息，广泛应用于肿瘤及其周围组织的评估。然而，目前临床上淋巴结区域仍主要依赖人工逐层勾画，过程耗时耗力且易受主观因素影响，导致结果一致性不足。尽管近年来深度学习方法在医学图像分割领域取得显著进展，基于卷积神经网络的模型能够融合多层特征并利用三维空间信息，但在头颈部淋巴结分割任务中仍面临诸多挑战，如小目标比例低导致类别不平衡、边界模糊引发误分割、局部特征建模不足以及全局信息利用不充分等问题。此外，部分轻量化模型虽降低了计算复杂度，但在细粒度特征提取和不确定区域处理方面仍存在不足。

3、因此，亟需一种兼顾效率与精度的自动分割方法，以提升头颈部淋巴结分割的准确性、稳定性及临床应用价值。

技术实现思路

1、本发明的目的在于，提供一种基于边界增强与全局建模的图像分割方法及系统，能够增强头颈部淋巴结图像中小目标、边界模糊区域和低对比度区域的特征表达，提高淋巴结分割的准确性和稳定性，同时兼顾计算效率。

2、为实现上述目的，本发明提供如下技术方案，基于边界增强与全局建模的图像分割方法，包括以下步骤：

3、获取头颈部ct图像数据及对应的淋巴结标注数据，形成三维配对样本，并对三维配对样本进行预处理；

4、构建三维编码器-解码器分割网络，三维编码器-解码器分割网络包括编码器、瓶颈层、解码器和输出端细化结构；

5、在所述编码器的浅层特征提取阶段设置边界特征增强单元，通过边界特征增强单元中的多分支卷积结构对浅层特征中的局部纹理、多尺度上下文、方向性结构和边界响应进行增强；

6、在所述瓶颈层设置全局上下文建模单元，将瓶颈特征划分为局部特征分支和全局特征分支，并沿三维空间的不同方向对所述全局特征分支进行序列建模；

7、所述输出端细化结构包括在输出端设置边界引导残差细化单元，根据解码器输出特征生成粗分割输出、边界引导权重图和细化残差，并利用所述边界引导权重图对细化残差进行加权，以对粗分割输出进行边界引导修正，输出淋巴结分割结果；

8、采用预先训练的三维编码器-解码器分割网络对待分割头颈部ct图像中的淋巴结区域进行自动分割，得到最终淋巴结分割结果。

9、本发明一个较佳实施例中，预处理包括：获取由头颈部ct图像数据和对应的淋巴结标注数据组成的三维配对样本；将所述三维配对样本划分为训练集、验证集和测试集；读取每个三维配对样本中的头颈部ct图像数据和对应的淋巴结标注数据，并分别增加通道维度；对头颈部ct图像数据进行灰度截断和归一化处理；将对应的淋巴结标注数据进行二值化处理，其中，大于0的标注值设为1，其余标注值设为0。

10、本发明一个较佳实施例中，三维编码器-解码器分割网络采用u形结构，编码器用于逐级提取三维图像特征并降低空间分辨率，解码器用于逐级恢复空间分辨率，编码器与解码器之间通过跳跃连接融合浅层空间特征和深层语义特征。

11、本发明一个较佳实施例中，多分支卷积结构包括四个并行特征提取分支，分别为部分通道三维卷积分支、扩张部分通道三维卷积分支、各向异性卷积分支和边界门控分支；

12、所述部分通道三维卷积分支用于提取局部空间特征；

13、所述扩张部分通道三维卷积分支用于扩大特征感受野；

14、所述各向异性卷积分支用于提取层内空间信息和层间连续信息；

15、所述边界门控分支用于生成边界增强权重；

16、所述边界门控分支包括隐式边界提取路径和显式边界提取路径，其中，隐式边界提取路径通过可学习卷积生成边界候选响应，显式边界提取路径通过固定边缘算子提取灰度变化明显的区域，两者融合后生成边界增强权重图。

17、本发明一个较佳实施例中，将四个并行特征提取分支的输出特征进行拼接，并通过逐点卷积进行通道融合和压缩，得到边界增强后的浅层特征。

18、本发明一个较佳实施例中，边界特征增强单元设置于编码器的前两级特征提取阶段，用于在浅层特征中保留并增强淋巴结边界、纹理和空间细节；

19、所述边界特征增强单元还包括轻量化通道-空间注意力结构，所述轻量化通道-空间注意力结构用于对拼接后的多分支特征进行通道维度和空间维度的加权，以增强疑似淋巴结区域和边界区域的响应，并抑制背景区域响应。

20、本发明一个较佳实施例中，全局上下文建模单元设置于编码器与解码器之间的瓶颈层，所述全局上下文建模单元包括通道划分子单元、全局序列建模分支、局部卷积分支和特征融合子单元；其中，所述通道划分子单元用于将输入瓶颈特征按照通道维度划分为全局特征和局部特征，所述全局序列建模分支用于分别沿三维特征图的高度方向、宽度方向和深度方向进行状态空间序列建模，所述局部卷积分支用于通过深度卷积和逐点卷积提取局部邻域特征，所述特征融合子单元用于将全局序列特征和局部邻域特征进行融合并输出瓶颈增强特征；

21、和/或，

22、所述边界引导残差细化单元包括共享细化主干、粗分割输出分支、边界引导分支和残差细化分支；其中，所述共享细化主干用于对解码器输出特征进行轻量化特征细化，得到共享细化特征；所述粗分割输出分支用于根据共享细化特征生成粗分割输出；所述边界引导分支用于根据共享细化特征生成边界引导权重图；所述残差细化分支用于根据共享细化特征生成细化残差。

23、本发明一个较佳实施例中，边界引导分支生成边界引导权重图，并通过sigmoid函数映射到0至1之间，用于表示不同空间位置对残差细化的引导强度；其中，疑似淋巴结边界区域对应较高的引导权重，背景区域或无需明显修正的区域对应较低的引导权重。

24、本发明一个较佳实施例中，最终淋巴结分割结果由粗分割输出和边界引导残差共同得到，其计算方式为：；其中，y表示最终输出结果，c表示粗分割输出，b表示边界引导权重图，表示细化残差；

25、训练所述三维编码器-解码器分割网络时，以dice损失函数作为优化目标；通过adamw优化器更新网络参数，并在训练完成后输出头颈部淋巴结图像分割模型；

26、其中dice损失函数具体为：

27、;

28、其中,表示模型预测的概率值，；表示真实标签的二值值，；n表示当前批次中参与计算的体素总数；为平滑项，值为1。

29、本发明一个较佳实施例中，基于边界增强与全局建模的图像分割系统，用于实现基于边界增强与全局建模的图像分割方法的步骤；包括：

30、图像获取与预处理单元，用于获取头颈部ct图像数据及对应的淋巴结标注数据，并对所述头颈部ct图像数据进行预处理，生成三维图像块及对应标签；

31、网络结构构建单元，用于构建三维编码器-解码器分割网络；

32、边界特征增强单元，用于在编码器浅层通过多分支卷积结构增强局部纹理、多尺度上下文、方向性结构和边界响应；

33、全局上下文建模单元，用于在三维编码器-解码器分割网络的瓶颈层对三维特征图进行部分通道三方向序列建模，以获取全局上下文信息；

34、边界不确定性细化单元，用于根据粗分割结果生成边界响应图和预测不确定性图，并对粗分割结果进行细化修正；

35、训练单元，用于利用训练集对所述三维编码器-解码器分割网络进行训练；

36、分割输出单元，用于采用训练后的三维编码器-解码器分割网络对待分割头颈部ct图像中的淋巴结区域进行自动分割。

37、本发明至少具备以下有益效果：

38、本发明的一种基于边界增强与全局建模的图像分割方法及系统，优化了头颈部淋巴结小目标分割中存在的边界清晰性，提升局部细节表达，减少长距离上下文建模能力有限以及输出结果边界偏差的情况。

39、1.本发明通过在编码器浅层设置边界特征增强单元，在高分辨率特征阶段增强淋巴结局部纹理、边界和空间细节，可减少小目标边界信息在下采样过程中的丢失；

40、2.本发明通过在瓶颈层设置全局上下文建模单元，仅在低分辨率、高语义特征阶段进行三方向序列建模，能够在控制计算量的同时补充全局上下文信息，提高模型对淋巴结区域整体结构的判断能力；

41、3.本发明通过在输出端设置边界引导残差细化单元，利用边界引导信息对粗分割输出进行残差修正，使网络更加关注淋巴结边界模糊区域和易偏差区域，从而提高分割结果的边界准确性和稳定性；

42、4.本发明将浅层边界增强、瓶颈全局建模和输出端边界引导细化相结合，能够在兼顾计算效率的同时提升头颈部ct图像中小体积、低对比度淋巴结区域的自动分割效果。

43、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。