(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 202211290743.8 (22)申请日 2022.10.21 (71)申请人 首都师范大学 地址 100000 北京市海淀区西三环北路10 5 号 (72)发明人 丁辉　尚媛园　刘锐　邵珠宏　 刘铁　李心　张雅薇　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 方晓燕 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种肺炎CT影像的病灶实例分割方法及装 置 (57)摘要 本申请提供了一种肺炎CT影像的病灶实例 分割方法及装置， 包括： 获取患者待分割的肺炎 CT影像； 将肺炎CT影像输入预先训练好的病灶实 例分割模型， 得到患者的肺炎病灶实例分割结 果； 其中， 病灶实例分割模型以Mask  R‑CNN模型 为基础构建； 病灶实例分割模型中的Mask分支模 块包括特征提取单元、 多尺度特征融合单元、 通 道注意力单元和亚像素卷积上采样单元。 这样， 结合了多尺度特征融合、 通道注 意力和亚像素卷 积上采样机制的病灶实例分割模型具有更好的 病灶实例分割能力， 能够分割出更精 准的各个病 灶实例， 尤其能够提升对于病灶边缘及肺部小病 灶的分割效果。 权利要求书3页 说明书13页 附图4页 CN 115359060 A 2022.11.18 CN 115359060 A 1.一种肺炎 CT影像的病灶实例分割方法， 其特 征在于， 所述方法包括： 获取患者待分割的肺炎 CT影像； 将所述肺炎CT影像输入预先训练好的病灶实例分割模型， 得到患者的肺炎病灶实例分 割结果； 其中， 所述病灶实例分割模 型以Mask  R‑CNN模型为基础构建； 所述病灶实例分割模 型中的Mask分支模块包括特征提取单元、 多尺度特征融合单元、 通道注意力单元和亚像素 卷积上采样单 元。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述肺炎CT影像输入预先训练好的 病灶实例分割模型， 得到患者的肺炎病灶实例分割结果， 包括： 将所述肺炎CT影像输入所述病灶实例分割模型中的特征提取模块， 确定所述肺炎CT影 像的特征图； 将所述肺炎CT影像的特征图输入所述病灶实例分割模型中的候选区域生成模块， 确定 所述肺炎 CT影像的特征图中的目标候选区域； 将所述肺炎CT影像的特征图和所述目标候选区域输入所述病灶实例分割模型中的ROI   Align模块， 得到ROI特 征图； 将所述ROI特征图输入所述病灶实例分割模型中的检测分支模块和Mask分支模块， 得 到所述检测分支模块输出的检测结果和所述Mask分支模块输出的Mask结果； 将所述检测结果和所述Mask结果相结合， 得到所述肺炎病灶实例分割结果。 3.根据权利要求2所述的方法， 其特征在于， 将所述ROI特征图输入所述病灶实例分割 模型中的Mask分支模块， 得到所述Mask分支模块输出的Mask结果， 包括： 将ROI特征图输入所述特 征提取单元中的卷积层进行 特征提取， 得到第一特 征图； 将所述第一特征图分别输入所述多尺度特征融合单元中多个膨胀因子不同的空洞卷 积层以提取多尺度特 征， 得到每 个空洞卷积层输出的第二特 征图； 针对每个空洞卷积层输出的第 二特征图， 将该第 二特征图输入所述多尺度特征融合单 元中与该 空洞卷积层对应的分组卷积层进 行特征升维， 并拼接进 行特征升维后的每个第二 特征图得到融合特 征图； 将所述融合特 征图输入所述 通道注意力单 元进行特征层加权处 理， 得到加权特 征图； 将所述加权特征图输入所述亚像素卷积上采样单元进行多倍亚像素卷积上采样处理， 得到上采样特 征图； 压缩所述上采样特征图的特征通道数， 并基于压缩后的上采样特征图对所述肺炎CT影 像中的每 个病灶实例进行 逐像素预测， 得到所述Mask分支模块输出的Mask结果。 4.根据权利要求1所述的方法， 其特征在于， 所述病灶实例分割 模型通过以下步骤被训 练得到： 将多个样本肺炎CT影像中每个样本肺炎CT影像中的玻璃阴影区域和实变区域合并为 病变区域， 并将所述病变区域中每 个像素点的像素值设置为预设像素值； 根据每个样本肺炎CT影像 中像素点的平均像素值， 从多个样本肺炎CT影像 中筛选出多 个目标肺炎 CT影像； 针对每个目标肺炎CT影像， 基于该目标肺炎CT影像的语义分割真值图， 标记出该目标 肺炎CT影像中的每个病灶实例； 其中， 每个目标肺炎CT影像的语义分割真值图中第一真值 的每个点表示该目标肺炎CT影像中该点对应位置属于正常肺部组织， 第二真值的每个点表权　利　要　求　书 1/3 页 2 CN 115359060 A 2示该目标肺炎 CT影像中该点对应位置属于病灶； 从所述多个目标肺炎CT影像筛选出病灶实例的实例边界点数量大于预设数量阈值的 多个原始肺炎CT影像； 其中， 所述预设数量阈值通过在多次实验中分别筛选出实例边界点 数量大于不同数量阈值的多批原始肺炎CT影像， 将多批原始肺炎CT影像 分别用于病灶实例 分割模型的训练并比对训练效果而确定； 对多个原始肺炎CT影像进行训练数据增 强， 扩充得到多个训练肺炎CT影像， 并将每个 训练肺炎 CT影像转换为与所述病灶实例分割模型匹配的数据格式； 基于所述多个训练肺炎CT影像对初始病灶实例分割模型进行多轮迭代训练， 得到所述 病灶实例分割模型。 5.根据权利要求4所述的方法， 其特征在于， 所述对多个原始肺炎CT影像进行训练数据 增强， 扩充得到多个训练肺炎 CT影像， 包括： 将正常肺部 CT影像输入肺分割模型， 分割出 所述正常肺部 CT影像中的肺部组织影 像； 针对每个原始肺炎CT影像， 对该原始肺炎CT影像中的病灶实例进行图像变换， 并将图 像变换后的病灶实例随机粘贴到所述肺部组织影 像， 得到多个增强肺炎 CT影像； 根据每个增强肺炎CT影像 中病灶实例与肺部组织的重合程度， 从所述多个增强肺炎CT 影像中筛选出多个训练肺炎 CT影像。 6.根据权利要求5所述的方法， 其特征在于， 所述根据每个增强肺炎CT影像 中病灶实例 与肺部组织的重合 程度， 从所述多个增强肺炎 CT影像中筛选出多个训练肺炎 CT影像， 包括： 针对每个增强肺炎CT影像， 确定该增强肺炎CT影像与所述肺部组织影像之间的交集影 像， 并确定所述交集影像与该增强肺炎CT影像的影像比值； 其中， 所述影像比值用于表征该 增强肺炎 CT影像中病灶实例与肺部组织的重合 程度； 从所述多个增强肺炎CT影像中去除所述影像比值小于预设比值阈值的增强肺炎CT影 像， 得到多个训练肺炎 CT影像。 7.根据权利要求6所述的方法， 其特征在于， 在从所述多个增强肺炎CT影像 中去除所述 影像比值小于预设比值阈值的增强肺炎CT影像， 得到多个训练肺炎CT影像之后， 所述根据 每个增强肺炎CT影像中病灶实例与肺部组织的重合程度， 从所述多个增强肺炎CT影像中筛 选出多个训练肺炎 CT影像， 还包括： 针对所述影像比值小于预设比值阈值的每个增强肺炎CT影像， 确定该增强肺炎CT影像 与所述肺部组织影像之间的交集影像中病灶实例的实例边界点数量是否大于所述预设数 量阈值； 若大于， 则将该交集影 像确定为 一个训练肺炎 CT影像。 8.一种肺炎 CT影像的病灶实例分割装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取患者待分割的肺炎 CT影像； 输入模块， 用于将所述肺炎CT影像输入预先训练好的病灶实例分割模型， 得到患者的 肺炎病灶实例分割结果； 其中， 所述病灶实例分割模型以Mask  R‑CNN模型为基础构建； 所述 病灶实例分割模型中的Mask分支模块包括特征提取单元、 多尺度特征融合单元、 通道注意 力单元和亚像素 卷积上采样单 元。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过所述权　利　要　求　书 2/3 页 3 CN 115359060 A 3