(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306520.6 (22)申请日 2022.10.25 (71)申请人 西南科技大 学 地址 621010 四川省绵阳市涪城区青龙 大 道中段59号 (72)发明人 李林静　牛颢　任志佳　张华　 林海涛　陈波　周怀芳　郭明明　 霍建文　刘爽利　罗四维　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 陈瑶 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/12(2017.01) G06V 10/26(2022.01)G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于双边学习分支实现实用的肺部病 变分割方法 (57)摘要 本发明公开了一种基于双边学习分支实现 实用的肺部病变 分割方法， 属于医疗影像技术领 域， 包括： S1： 获取肺部 数据集； S2： 对所述肺 部数 据集中的每一张图像进行预处理操作， 得到预处 理后的肺部数据集； S3： 利用病灶图像分割网络 对所述预处理后的肺部数据集进行分割， 得到病 灶区域。 本发 明能够解决现有卷积神经网络在建 模全局信息时全局语义及局部细 节的不均衡性、 Transformer和多层感知机 （MLP） 在医疗图像领 域普遍存在计算开销较大的问题， 能够针对间质 性肺炎病灶区域尺寸、 形态变化不规则的特点， 在精确分割出肺部CT 图像中的炎症病变区域的 基础上， 提高推理速度并降低计算 开销。 权利要求书2页 说明书7页 附图3页 CN 115375712 A 2022.11.22 CN 115375712 A 1.一种基于双边学习分支实现实用的肺部病变分割方法， 其特 征在于， 包括： S1： 获取肺部数据集； S2： 对所述肺部数据集中的每一张图像进行 预处理操作， 得到预处 理后的肺部数据集； S3： 利用病灶图像分割网络对所述预处 理后的肺部数据集进行分割， 得到病灶区域。 2.根据权利要求1所述的基于双边学习分支实现实用的肺部病变分割方法， 其特征在 于， 所述步骤S2包括： S21： 对所述肺部数据集中的每一张图像依次进行水平翻转处理， 得到水平翻转处理后 的肺部数据集； S22： 对所述水平翻转处理后的肺部数据集中的每一张图像进行边缘随机裁剪处理， 得 到边缘随机裁剪后的肺部数据集； S23： 对所述边缘随机裁剪后的肺部数据集中的每一张图像进行几何形变处理， 得到预 处理后的肺部数据集。 3.根据权利要求2所述的基于双边学习分支实现实用的肺部病变分割方法， 其特征在 于， 所述病灶图像分割网络包括： 所述 步骤S23包括： 根据病变区域的不规则性， 利用三角函数对所述边缘随机裁剪后的肺部数据集中目标 图像的每 个像素的位置进行变换； 所述变换 方式为： 其中， 分别表示每个像素变换前的横纵坐标； 分别表示每个像素变 换后的横纵坐标。 4.根据权利要求1所述的基于双边学习分支实现实用的肺部病变分割方法， 其特征在 于， 所述步骤S3包括： 提取所述预处理后的肺部数据集中的多尺度特征， 其中， 所述多尺度特征包括末三级 特征； 对所述末三级特 征进行特征融合， 得到全局语义特 征； 提取所述预处 理后的肺部数据集中的细节特 征； 对所述全局语义特 征和所述细节特 征进行融合， 得到病灶区域。 5.根据权利要求1所述的基于双边学习分支实现实用的肺部病变分割方法， 其特征在 于， 所述步骤S3中， 所述病灶图像分割网络包括特 征提取分支， 所述特 征提取分支包括： RepVGG网络模块， 所述RepVGG网络模块用于提取所述预处理后的肺部数据 集中的多尺 度特征且包括多个卷积组件， 每个卷积组件包括一个 空洞卷积层、 一个 标准 卷积层、 一个批量标准化层和一个线性叠加层， 各所述卷积组件中的 空洞卷积层和权　利　要　求　书 1/2 页 2 CN 115375712 A 2标准卷积层分别获取上一个卷积组件的输出结果， 并分别对该输出结果进行处理后 利用所述线性叠加层进行叠加， 之后利用所述批量标准化层输出为相对于所述上一个卷积 组件的输出 结果维度降低后的输出 结果。 6.根据权利要求5所述的基于双边学习分支实现实用的肺部病变分割方法， 其特征在 于， 所述特征提取分支还包括第一MLPF模块和第二MLPF模块； 所述多个卷积组件包括第四 卷积组件、 第 五卷积组件和第六卷积组件， 所述第 五卷积组件的输出结果和所述第六卷积 组件的输出结果同时作为所述第一MLPF模块的输入， 所述第一MLPF模块的输出结果和所述 第四卷积组件的输出结果同时作为所述第二MLPF模块的输入， 所述第二MLPF模块的输出作 为全局语义特 征输出。 7.根据权利要求5所述的基于双边学习分支实现实用的肺部病变分割方法， 其特征在 于， 所述病灶图像分割网络还包括细节提取分支， 所述细节提取分支包括深金字塔聚合模 块和SUM线性叠加模块， 所述深金字塔聚合模块用于提取所述预处理后的肺部数据集中每 一张图像的细节特征， 得到细节特征集； 所述SUM线性叠加模块用于对 所述细节特征集和全 局语义特 征进行特征融合， 得到病灶区域。权　利　要　求　书 2/2 页 3 CN 115375712 A 3