CN115760874B 一种基于联合空间域的多尺度U-Net医学图像分割方法 （电子科技大学长三角研究院(湖州)）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115760874B

(45)授权公告日2025.07.04

(21)申请号202211422825.3

(22)申请日2022.11.14

(65)同一申请的已公布的文献号申请公布号CN115760874A

(43)申请公布日2023.03.07

(73)专利权人电子科技大学长三角研究院(湖

州)

地址313000浙江省湖州市西塞山路819号

南太湖科技创新综合体B2幢8层

(72)发明人饶云波高丽曾少宁

(74)专利代理机构成都科奥专利事务所(普通合伙)51101

专利代理师苏亚超

(51)Int.CI.

GO6T7/11(2017.01)

GO6T7/00(2017.01)

GO6N3/0464(2023.01)

GO6N3/0455(2023.01)

(56)对比文件

CN109191471A,2019.01.11CN112287872A,2021.01.29

审查员邢丽超

权利要求书2页说明书11页附图6页

(54)发明名称

一种基于联合空间域的多尺度U-Net医学图像分割方法

(57)摘要

CN115760874B本发明公开了一种基于联合空间域的多尺度U-Net医学图像分割方法，包括获取原始医学图像数据；利用极坐标中心点预测网络获得原始医学图像的中心点坐标；根据医学图像的中心点坐标，将原始医学图像转换为极坐标医学图像；构建基于联合空间域的多尺度U-Net网络模型，利用极坐标医学图像进行模型训练；利用训练后的基于联合空间域的多尺度U-Net网络模型生成医学图像分割结果。本发明采用多层空洞卷积编码模块实现多尺度内容融合，并利用中心点和极

CN115760874B

(a)

(b)

CN115760874B权利要求书1/2页

2

1.一种基于联合空间域的多尺度U-Net医学图像分割方法，其特征在于，包括以下步

骤：

S1、获取原始医学图像数据；

S2、利用极坐标中心点预测网络获得原始医学图像的中心点坐标；

S3、根据医学图像的中心点坐标，将原始医学图像转换为极坐标医学图像；所述步骤S3具体包括以下分步骤：

S31、将目标中心点重新设置为图像数据的中心点，确定转换后中心点坐标；

S32、根据极坐标系中的源样本点和目标规则网格，对直角坐标系中对应坐标点进行线性坐标变换；

S33、根据线性坐标变换参数构建网格生成器的采样网格，通过采样器利用采样网格对原始医学图像进行采样，并与原始医学图像进行拼接，得到最终的极坐标医学图像；

S4、构建基于联合空间域的多尺度U-Net网络模型，利用极坐标医学图像进行模型训练；所述基于联合空间域的多尺度U-Net网络模型具体包括：

级联的第一分割子网络和第二分割子网络，所述第一分割子网络具体包括：

构成U-Net网络结构的编码器和解码器；

所述编码器包括两个并联的第一空洞卷积通道和第二空洞卷积通道，以及两个并联的第一卷积通道和第二卷积通道；按照第一连续空洞率确定感受野和按照第二连续空洞率确定感受野的计算公式为：

F=2(rate-1)*(k-1)+k其中，F为确定的感受野大小，rate为连续空洞率，k为卷积核大小；

所述第一空洞卷积通道包括采用第一连续空洞率的连续卷积层，用于对输入的极坐标医学图像按照第一连续空洞率确定的感受野进行卷积计算；

所述第二空洞卷积通道包括采用第二连续空洞率的连续卷积层，用于对输入的极坐标医学图像按照第二连续空洞率确定的感受野进行卷积计算，并将卷积结果与第一空洞卷积通道的卷积结果进行拼接，得到第一拼接结果；

所述第一卷积通道包括一个卷积层，用于将卷积结果与第一拼接结果进行拼接，得到第二拼接结果；

所述第二卷积通道包括一个卷积层，用于将卷积结果与第二拼接结果进行特征融合，得到编码器的输出结果；

所述第一分割子网络用于对极坐标医学图像进行图像分割，并将分割结果重新转换为直角系医学图像，与输入的极坐标医学图像进行特征融合后输入到第二分割子网络；

所述第二分割子网络用于对输入的融合医学图像进行图像分割，并将分割结果与第一分割子网络的分割结果进行特征融合，得到最终的医学图像分割结果；

S5、利用训练后的基于联合空间域的多尺度U-Net网络模型生成医学图像分割结果。

2.根据权利要求1所述的一种基于联合空间域的多尺度U-Net医学图像分割方法，其特征在于，所述极坐标中心点预测网络具体为基于堆叠沙漏结构的编码器-解码器网络，其中每个堆栈的输出作为输入反馈到