基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法.pdf
《基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法.pdf》由会员分享,可在线阅读,更多相关《基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法.pdf(9页珍藏版)》请在咨信网上搜索。
1、基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法白培瑞李峥刘庆一*王梦毕丽君任延德王成健(山东科技大学电子信息工程学院青岛266590)(青岛大学附属医院放射科青岛265000)摘要:3维肾脏CT图像的自动准确分割对减轻医师阅片工作量和提高计算机辅助诊断效率具有重要意义。但是,由于肾脏器官的结构复杂性以及邻近部位的灰度相似性,3维肾脏的准确分割仍具有挑战性。该文基于简化脉冲耦合神经网络(SPCNN)结构简单、参数量少的特点,结合模糊连接度(FC)算法,提出一种3维肾脏CT图像的自动分割算法。主要贡献为:(1)将SPCNN的2维模型扩展为3维模型,可以充分利用3维CT图像的层间信息;(
2、2)提出了一种基于感兴趣区域质心的3维种子点自动生成策略,可以有效提高算法的自动分割效率;(3)实现了3维FC响应图与3维SPCNN的有效耦合。所提算法在自制数据集和公开数据集上进行了验证实验,结果表明该算法的性能优于现有的主流算法,其Dice系数、准确率、敏感度、体积误差、平均对称表面距离的平均值分别可以达到0.9095,0.9969,0.8517,0.1749和0.8536。关键词:3维CT图像;肾脏分割;脉冲耦合神经网络;模糊连接度中图分类号:TP911.73;TP391.41文献标识码:A文章编号:1009-5896(2023)06-2264-09DOI:10.11999/JEIT22
3、1252Automatic Kidney CT Images Segmentation Algorithm Based on 3DFuzzy Connectedness and Pulse Coupled Neural NetworkBAIPeiruiLIZhengLIUQingyiWANGMengBILijunRENYandeWANGChengjian(School of Electronic Information Engineering,Shandong University of Science and Technology,Qingdao 266590,China)(Departme
4、nt of Radiology,Affiliated Hospital of Qingdao University,Qingdao,Shandong 265000,China)Abstract:Automaticandaccuratesegmentationof3DkidneyCTimageisofgreatsignificancetoreducetheworkloadofdoctorsandimprovetheefficiencyofcomputer-aideddiagnosis.However,duetothestructuralcomplexityofkidneyorgansandthe
5、graysimilarityofadjacentparts,accuratesegmentationof3Dkidneyisstillchallenging.BasedonthecharacteristicsofsimplestructureandfewparametersofSimplifiedPulseCoupledNeuralNetwork(SPCNN),combinedwithFuzzyConnectedness(FC)algorithm,anautomaticsegmentationalgorithmofthree-dimensionalkidneyCTimagesispropose
6、dinthispaper.Themaincontributionsofthispaperareasfollows:(1)The2DSPCNNisextendedto3DSPCNN,whichcanmakefulluseoftheinter-layerinformationof3DCTimages.(2)A3Dseedpointautomaticgenerationstrategybasedonthecentroidofregionofinterestisproposed,whichcaneffectivelyimprovetheautomaticsegmentationefficiencyof
7、thealgorithm.(3)Effectivecouplingof3DFCresponsemapand3DSPCNNisrealized.Theproposedalgorithmisvalidatedonself-madeandpublicdatasets,andtheresultsshowthattheperformanceoftheproposedalgorithmisbetterthanthatoftheexistingmainstreamalgorithms.TheaveragevaluesofDicecoefficient,accuracy,sensitivity,volumee
8、rrorandaveragesymmetricsurfacedistancecanachieve0.9095,0.9969,0.8517,0.1749and0.8536respectively.Key words:3DCTimages;Kidneysegmentation;PulseCoupledNeuralNetwork(PCNN);FuzzyConnectedness(FC)收稿日期:2022-09-27;改回日期:2022-12-08;网络出版:2022-12-09*通信作者:刘庆一lqy_基金项目:国家自然科学基金(61471225)FoundationItem:TheNational
9、NaturalScienceFoundationofChina(61471225)第45卷第6期电子与信息学报Vol.45No.62023年6月JournalofElectronics&InformationTechnologyJun.20231 引言肾脏是泌尿系统具有代谢功能的重要内脏器官,负责清理身体内产生的废物杂质,同时也具有调节内分泌平衡和维持血压稳定的功能1。计算机断层扫描成像(ComputedTomography,CT)是放射科临床上常用的肾脏疾病辅助诊断手段。3维肾脏CT图像的分割是肾脏体积测量以及诊断某些导致肾脏形态变化疾病的关键技术。但是,手动的分割方法存在着工作量大、诊断效
10、果容易受主观经验和疲劳的影响等问题2。因此,3维肾脏CT图像的自动分割方法研究具有重要的理论意义和临床应用价值。目前,针对3维肾脏CT图像的分割已经提出大量优秀的方法。从分割策略的角度,可以分为基于2维切片的分割和基于3维体数据的直接分割两类3。其中,第1类分割策略是对3维数据的2维切片图像逐层进行分割,然后将分割结果进行3维重建。代表性工作有:Zhang等人4提出基于图割的活动轮廓模型,Les等人5提出两路扫描技术。以上工作均基于2维切片图像分割后再3维重建,无法有效利用CT图像的层间信息,且易受患者运动伪迹的影响。第2类分割策略是直接对3维CT体数据进行分割。代表性工作有:Jin等人6提出
11、改进随机森林算法,Khalifa等人7开发3维非负矩阵分解引导的活动轮廓模型,均直接对3维肾脏分割。随着深度学习方法的出现,一些研究者将其引入3维医学图像分割。代表性工作有:Qayyum等人8提出了混合3维残差网络,胡敏等人9基于残差卷积和注意力机制改进U型神经网络,刘侠等人10提出卷积神经网络和超像素的联合能量主动轮廓模型,iek等人11将U-Net架构中拓展为3DU-Net,Kang等人12提出融合3维卷积神经网络(3D-ConvolutionalNeuralNetworks,3D-CNN)和长短时记忆卷积网络(ConvolutionalLongShortTermMemory,ConvLS
12、TM)模型,以上工作均通过深度学习算法应用于3维医学图像分割,效果较为理想,但是,基于深度学习的分割方法存在对训练样本数量和计算能力要求较高,以及深度网络模型的可解释性较差等问题。脉冲耦合神经网络(PulseCoupledNeuralNetwork,PCNN)依据视觉区域的神经元活动规律而提出,更符合视觉神经系统的生理学基础,被广泛应用于医学图像处理13。相比于深度学习算法,PCNN模型不需要训练。但是,传统的PCNN只能利用图像的灰度特征进行分割,容易受到目标周围具有灰度相似性区域的干扰。因此,近年来出现了一些将PCNN与其他算法融合的研究。例如,在本文的前期研究中,将2维模糊连接度(Fuz
13、zyCon-nectedness,FC)与PCNN进行融合,提升了对多种2维医学图像的分割性能14。FC作为一种分析不确定性的理论模型,适合处理边界模糊以及与其他图像信号分析方法结合。代表性工作有:郑瑾等人15将小波模极大值边缘检测方法与FC算法结合,DeMoraesBraz等人16将广义图切割和FC框架结合。FC算法的缺点是需要人工选定种子点。对于采用FC算法的3维肾脏分割算法而言,手动选定种子点是通过医生对图像进行阅读后,手动标记肾脏区域关键层内的某些像素点作为种子点,这会增加人工工作量和主观性,降低自动化程度,对FC算法的临床应用造成限制。目前,FC算法的种子点自动生成策略大多基于图像的
14、先验信息以及解剖学的相关知识。例如:张睿等人17利用局部极值和经验阈值选取种子点,李彬等人18首先通过阈值法提取脑组织,然后自动将高亮度像素作为种子点。但是,目前尚无针对3维肾脏CT图像种子点自动生成策略。针对3维肾脏CT图像分割存在的挑战,本文基于FC和PCNN提出一种可以有效利用3维数据层间信息的算法,并提出一种3维种子点自动生成策略,可以实现3维肾脏快速且准确的全自动分割。2 相关原理与方法2.1 脉冲耦合神经网络模型PCNN是由Eckhorn等人19依据哺乳动物视觉神经活动而提出的网络模型,其神经元具有非线性特点,不需要训练,模型简单,但是模型参数较多。为了减少模型参数,Chen等人2
15、0提出了2维简化脉冲耦合神经网络(SimplifiedPulseCoupledNeuralNetwork,SPCNN)。其公式为Ui,jn=eFUi.jn 1+Si,j1+VLk,lWi,j,k,lYk,ln 1(1)Yi,jn=1,Ui,jn Ti,jn0,其他(2)Ti,jn=eTTi,jn 1+VTYi,jn(3)其中,Ui,jn是(i,j)位置神经元的内部活动项,Ti,jn是动态阈值,Yi,jn是二进制输出。n为迭代次数,代表神经元之间的连接常数,F代表反馈输入的衰减常数,T代表动态阈值的时间衰减常数,VT代表动态阈值的固有电势,Wi,j,k,l为内部连接矩阵。2.2 模糊连接度模型F
16、C是Udupa等人21根据图像的模糊性本质提第6期白培瑞等:基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法2265出的数学理论,可以用于描述n维空间图像像素之间的模糊连接度。设C表示任意3维图像的体素点集合,定义3维空间的体素点c是位于目标区域的种子点,cC;d是3维CT图像上任意位置的体素点,dC。(1)计算模糊邻近度。模糊邻近度表示3维空间中各体素点与种子点在位置距离上的相似水平,定义为k1(c,d)=11+k1vuut3i=1(ci di)2(4)3i=1|cidi|3k1其中,k1代表一个非负的权重参数;当时(c,d)=0。(2)计算模糊亲和力。模糊亲和力表示3维空间中各体
17、素点与种子点在位置距离以及灰度值上的相似水平,定义为k(c,d)=k1(c,d)1+k2|f(c)f(d)|(5)其中,k2代表一个非负的权重参数,f(c)与f(d)分别代表种子点c和体素点d的灰度值。NK(3)计算模糊连接度。FC表示3维空间各体素点与种子点的相关性与区域连通性。定义Pcd代表种子点c到体素点d的所有可能路径,pcd为其中任意一条路径,即pcd=(cd(1),cd(2),cd(3),cd(n)(n2),其中n表示cd之间的路径长度。任意路径的最弱连接(pcd)如式(6)所示,模糊连接度(c,d)如式(7)所示N(pcd)=minl2,nk(cd(l1),cd(l)(6)K(c
18、,d)=maxpcdPcdN(pcd)(7)3 3维模糊连接脉冲耦合神经网络模型3.1 3维简化脉冲耦合神经网络以2维SPCNN为基础,本文在将其推广到3维空间,同时省略了反馈输入的衰减常数F。将3维神经元对应到3维图像体素,灰度值高的体素点先进行点火,引起周围26邻域内的神经元发放同步脉冲,产生3维的二进制输出,得到二值化图像,3DSPCNN模型的迭代公式为Fi,j,kn=Ii,j,kn(8)Li,j,kn=Wi,j,k,l,w,hYl,w,hn 1(9)Ui,j,kn=Fi,j,kn(1+Li,j,kn)(10)Yi,j,kn=1,Ui,j,kn Ti,j,kn0,其他(11)Ti,j,k
19、n=eTTi,j,kn 1+VTYi,j,kn(12)其中,Fi,j,kn表示(i,j,k)位置神经元的反馈输入,Li,j,kn表示(i,j,k)位置神经元的线性连接输入。考虑计算复杂程度,本文只考虑6邻域神经元的影响,所以将Wi,j,k,l,w,h值定义为Wi,j,k,l,w,h=000010000,010101010,000010000(13)如图1所示,3DSPCNN模型包括接受模块、调制模块和脉冲产生模块。3.2 融合机制PCNN模型符合人眼视觉特性,3DFC图像比原始图像更适合作为3DSPCNN的刺激输入。如图2所示,在3DFC模型输出图像后,根据图像尺寸特征构建3DSPCNN模型,
20、将3DFC图像输入到3DSPCNN模型神经元。并保证输入图像体素点位置与模型神经元位置在3个维度上保持相对应,如式(14)所示F(i,j,k)=I(i,j,k)=3DFC(i,j,k)(14)其中,i,j,k是坐标变量,F(i,j,k)值为3DSPCNN第1次迭代时(i,j,k)位置的模糊连接度值。3DFC算法根据种子点的信息计算产生3DFC图像,该图像的体素点取值为对应的FC值,大小为01,种子点处的体素值最大。3DFC与3DSPCNN的融合过程中,保证种子点处神经元率先点火。图13DSPCNN神经元模型图2融合机制2266电子与信息学报第45卷3.3 3维种子点自动生成策略FC算法在提供图
21、像空间信息的同时,需要设置种子点信息,种子点选择的适合度是影响分割结果准确性的重要因素。为此,本文提出根据肾脏感兴趣区域质心自动生成种子点的策略。假设3维CT图像具有Z层2维切片图像,根据肾脏CT图像的特征,本文选取肾脏面积相对较大的第n层(n=Z/2)作为关键层,利用阈值法在关键层分割脊椎区域,并计算其质心O(x0,y0),如图3(a)所示。然后,分别以O1(x060,y090),O2(x060,y0+90)为椭圆圆心,建立一个长半轴为60、短半轴为50、向脊椎倾斜45的椭圆形区域作为左右肾脏感兴趣区域。在肾脏感兴趣区域上利用最大类间方差法实现二值化,计算最大连通域的质心坐标(a,b)。根据
22、层间相关性,将质心坐标(a,b)直接映射到相邻层,自动生成大小为333的3维种子点,其坐标为(a1:a1,b1:b1,n1:n1),如图3(b)所示。3.4 算法流程本文算法将3DFC算法与3DSPCNN模型融合,流程如图4所示,具体步骤如下:步骤1将3维肾脏CT图像预处理,包括通过最近邻插值方法逆变换将512512Z的数据调整为128128Z,以及窗宽窗位调整。步骤2生成在肾脏区域上的3维种子点。步骤3将预处理后的3维CT图像输入3DFC,计算模糊连接度值3DFC(i,j,k),得到3DFC图像。步骤4将3DFC得到的模糊连接度图像替代3DSPCNN的反馈输入,3DSPCNN根据适当的参数进
23、行迭代,得到分割结果,并通过上述最近邻插值方法将数据大小恢复为512512Z。步骤5通过形态学后处理,包括腐蚀、膨胀操作来填充肾脏区域的孔洞,圆滑肾脏边界凹陷。并最终恢复原始尺寸。腐蚀、膨胀分别定义为S=X B=x,y|Bx,y X(15)S=X B=x,y|Bx,y X=(16)其中,X代表原始输入图像,B代表所创建的结构元素。3.5 参数选取k1K根据上述3DFC算法,定义3维肾脏CT图像的种子点矩阵s,在种子点矩阵s中将种子点处的数值设置为1,记作s(i0,j0,k0)=1。模糊邻近度(i,j,k)可以根据式(4)构建,此时将参数k1的值设置为0.1。模糊亲和度(i,j,k)可以根据式(
24、5)构建,此时将参数k2的值设置为0.3。3维模糊连接度3DFC(i,j,k)可以根据式(6)、式(7)构建,若3维CT图像中肾脏种子点为s(i0,j0,k0),则3DFC(i,j,k)可以定义为3DFC(i,j,k)=K(s(i0,j0,k0),d(i,j,k),3DFC(i,j,k)(0,1)(17)4 实验结果分析4.1 实验数据及环境本文所提方法在3个CT图像数据集进行测试。其中,自制数据集青岛大学附属医院_肾脏(theAffiliatedHospitalofQingdaoUniversity_Kidney,AHQU_K)由青岛大学附属医院放射科提供,包含40例3维肾脏CT图像数据,所
25、有数据的2维切片图像尺寸为512512,切片层数为61153,3Dircadb公开数据集(https:/www.ir-cad.fr/research/3d-ircadb-01/)包含20例3维腹部CT图像,Kits19公开数据集(https:/kits19.grand-challenge.org/data/)包含210例3维腹部CT图像。本文算法在上述两个数据集中选取了20例包含完整肾脏的CT数据进行实验,所有数据的2维切片图像尺寸为512512,切片层数为32151。定量评价分割效果的金标准由具有丰富经验的放射科医师手动分割完成。本文算法的运行环境为笔记本电脑(LAPTOP-5TQNUN3H
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 三维 模糊 连接 脉冲 耦合 神经网络 肾脏 CT 图像 自动 分割 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。