基于ACKU-Net的腹部淋巴区域分割方法

1.一种基于ACKU-Net的腹部淋巴区域分割方法，其特征在于，具体步骤包括：S1.通过CT技术拍摄医学影像，通过医学影像提取淋巴组织的形态特征，并获取淋巴区域的空间位置，其中，淋巴组织的形态特征参数包括淋巴区域的面积和淋巴区域的形状，淋巴区域的空间位置参数包括淋巴区域的邻近结构和淋巴区域的连通性；S2.利用ACKU-Net对医学影像进行分割，将医学影像中的淋巴区域与周围组织进行区分，获取淋巴区域的初始图像；S3.对初始图像设定淋巴区域的面积范围，形成淋巴区域的面积约束，对初始图像设定淋巴区域的紧凑度，形成淋巴区域的形状约束，对初始图像设定淋巴区域的邻近结构，形成淋巴区域的位置约束，对初始图像设定淋巴区域的连通性，形成淋巴区域的连通约束；S4.将淋巴区域的面积约束、形状约束、位置约束和连通约束输入到分割损失函数中，构建综合损失函数，通过综合损失函数的数据对初始图像进行分割，获取淋巴区域的约束图像，并将约束图像进行二值化处理，统计被标记为淋巴组织的像素数量，利用被标记为淋巴组织的像素数量，获取淋巴组织的像素比例；S5.将淋巴组织的像素比例和预先设置的淋巴组织的像素比例阈值进行比较，将综合损失和预先设置的综合损失阈值比较，根据比较结果，判断淋巴的区域分割质量。 2.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：对初始图像设定淋巴区域的面积范围，形成淋巴区域的面积约束的过程如下：假设淋巴区域的平均面积为μ，标准差为σ，则面积约束表示为：A min ＝μ-k×σA max ＝μ+k×σ其中k是常数，增加k的值会扩大约束范围，减少k的值会收缩约束范围，当设置k＝2，表示在平均值附近的两个标准差内；设置固定的面积阈值，来限制淋巴区域的面积，当已知淋巴区域的最小或最大面积，将分割结果的面积约束在这个范围内，假设设置的最小面积阈值为A min ，最大面积阈值为A max ，则分割结果的面积A需要满足以下条件：A min ≤A≤A max则面积约束要满足如下公式： 3.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：对初始图像设定淋巴区域的紧凑度，形成淋巴区域的形状约束的过程如下：对于提取的淋巴区域轮廓，计算圆形度和轮廓因子量化淋巴区域的形状特征，依据的公式如下：其中,Ci为淋巴区域的圆形度，Co为淋巴区域的轮廓因子，A为淋巴区域的面积，L为淋巴区域的周长；其中，圆形度Ci和轮廓因子Co的取值范围为下式：其中，δ和ε为合适的容差值，表示允许的圆形度的偏差；对于每个淋巴区域，将其圆形度Ci和轮廓因子Co与设定的阈值范围进行比较，确保它们在约束范围内，如果超出范围，则根据需要调整淋巴区域的形状，满足形状约束条件。 4.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：对初始图像设定淋巴区域的邻近结构，形成淋巴区域的位置约束，依据的公式如下：P＝e A +w 1 ·C+w 2 ·S其中,P为淋巴区域的位置约束，A为淋巴区域的面积，C为位置约束参数，S为和淋巴区域相邻的结构的数量，w 1 为位置约束参数的权重系数，w 2 为和淋巴区域相邻的结构的数量的权重系数。 5.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：对初始图像设定淋巴区域的连通性，形成淋巴区域的连通约束的过程如下：Con＝f(Seg，α)×g(Mor，β)其中,Con为淋巴区域的连通约束,f(Seg，α)为量化图像分割的质量的函数,g(Mor，β)为量化经过形态学处理后的图像的紧凑性和平滑度的函数,Seg为分割后的淋巴区域图像，Mor为通过形态学运算产生的图像区域，Con(Seg)表示淋巴区域的紧凑性，Con(Mor)表示形态学运算产生的区域的紧凑性，A表示淋巴区域的面积，Sm(Seg)表示淋巴区域边界的平滑度，Sm(Mor)表示形态学运算产生的区域的边界的平滑度，α是第一调节系数，β为第二调节系数，Per(Seg)表示淋巴区域的周长，即区域边界的长度,L表示边界上的离散点数量,θ i 表示第i个点处的曲率，通过拟合曲线或者差分计算得到,Δs i 表示第i个点到第i+1个点之间的弧长。 6.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：将淋巴区域的面积约束、形状约束、位置约束和连通约束输入到分割损失函数中，构建综合损失函数，通过综合损失函数的数据对初始图像进行分割，获取淋巴区域的约束图像的过程如下：面积约束损失：淋巴区域的面积在预定义的范围内，采用如下形式的面积损失函数：LA＝τA·max(|A pred -A target |-ò A ，0)其中，LA为面积损失，A pred 为模型预测的淋巴区域面积，A target 为期望的淋巴区域面积，ò A 为允许的面积偏差范围，τ为面积约束损失的权重系数，A为淋巴区域的面积；形状约束损失：淋巴区域的形状符合期望的形状，采用如下形式的形状损失函数：L(Ci+Co)＝υ(Ci+Co)·(Ci+Co)Sim(M pred ，M target )其中，L(Ci+Co)为形状损失，Ci为淋巴区域的圆形度，Co为淋巴区域的轮廓因子，M pred 为模型预测的淋巴区域的形状特征，M target 为期望的形状特征，(Ci+Co)Sim()是用于评估形状相似度的函数，υ是形状约束损失的权重系数；位置约束损失：淋巴区域的位置在图像的特定区域内，位置约束损失用于惩罚淋巴区域位置偏离期望位置的程度，采用如下形式的位置损失函数：LP＝ηP·PDev(C pred ,C target )其中，LP为位置损失，P为淋巴区域的位置约束，C pred 为模型预测的淋巴区域的中心位置，C target 为期望的中心位置，PDev()是计算位置偏差的函数，η是位置约束损失的权重系数；连通约束损失：连通约束损失用于确保淋巴区域是连通的，采用如下形式的连通损失函数：其中，LCono为连通损失，M pred 为模型预测的淋巴区域，ConPen()为评估连通性的函数， 为连通约束损失的权重系数；构建综合损失函数：将约束条件融入分割损失函数中，即在训练过程中加入上述约束条件，构建综合损失函数，依据的公式如下：其中,L为综合损失，Lseg为分割损失函数，λ 1 、λ 2 、λ 3 和λ 4 为面积损失、形状损失、位置损失、连通损失的权重系数；初始图像分割：使用训练好的ACKU-Net模型对初始图像进行分割，得到初步的淋巴区域分割结果；应用约束条件：将约束条件应用于初步分割结果，调整得到符合约束条件的淋巴区域，获取淋巴区域的约束图像。 7.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：获取淋巴组织的像素比例的过程如下：将符合约束条件的淋巴区域提取出来；根据淋巴区域的像素位置，生成对应的约束图像；像素计数：将约束图像进行二值化处理，统计其中被标记为淋巴组织的像素数量,被标记为淋巴组织的像素被计数为1，否则为0；总像素数量：计算约束图像中总的像素数量，包括被标记为淋巴组织和非淋巴组织的像素数量；计算比例：将淋巴组织的像素数量除以总的像素数量，得到淋巴组织的像素比例，数学公式如下式：其中，R为淋巴组织的像素比例，LZ B 为淋巴组织的像素数量，LZ为总的像素数量。 8.根据权利要求1所述的基于ACKU-Net的腹部淋巴区域分割方法，其特征在于：将淋巴组织的像素比例和预先设置的淋巴组织的像素比例阈值进行比较，将综合损失和预先设置的综合损失阈值比较，根据比较结果，判断淋巴区域分割质量的过程如下：当R≥YZ 1 ，L≤YZ 2 表示分割质量较好；当R<YZ 1 ，L>YZ 2 表示分割质量较差；其中，R为淋巴组织的像素比例，L为综合损失，YZ 1 为淋巴组织的像素比例阈值，YZ 2 为综合损失阈值。