1.一种基于深度对比学习的胎儿脑MRI分割方法,其特征在于,所述方法包括:构建脑组织分割模型,所述脑组织分割模型包括特征提取网络、边界关键点生成单元、对比学习分支以及分割输出分支;
获取训练样本集,所述训练样本集包括:至少一个训练样本和至少一个语义分割真值图,所述训练样本为胎儿脑MRI图像;
将所述训练样本输入所述特征提取网络,进行特征提取,得到特征图;
将所述语义分割真值图作为所述边界关键点生成单元的输入,生成边界关键点图;
将所述特征图作为所述对比学习分支的输入,并参考所述边界关键点图,以引导特征提取网络的训练过程,并计算对比损失;
将所述特征图作为所述分割输出分支的输入,得到分割结果,并计算分割损失;
基于对比损失和分割损失进行损失函数的计算,通过反向传播算法对所述脑组织分割模型进行参数调整,以获取胎儿脑MRI分割模型对胎儿脑MRI进行分割;
其中,所述将所述特征图作为所述对比学习分支的输入,并参考所述边界关键点图,以引导特征提取网络的训练过程包括:根据所述边界关键点图从胎儿脑特征图相应位置进行困难特征点的采样,再随机从非边界关键点进行容易特征点的采样组成采样点集合;
在所述采样点集合中,将特征点与特征锚点是相同的语义类别的样本作为正样本,反之则为负样本;
通过对比学习损失拉近特征锚点与正样本在特征嵌入上的距离,拉远特征锚点与负样本在特征嵌入上的距离,以引导特征提取网络的训练过程。
2.根据权利要求1所述的一种基于深度对比学习的胎儿脑MRI分割方法,其特征在于,在获取所述训练样本之后,将所述训练样本输入所述特征提取网络之前,还包括:对所述训练样本进行数据增强,包括:裁剪出所述训练样本值大于预设值的部分,再裁剪成固定尺寸;
将裁剪后的训练样本在3个轴向上分别做随机翻转,再做随机的垂直翻转,以增加训练样本的多样性;
将翻转后的训练样本转化成模型训练所需的张量类型。
3.根据权利要求1所述的一种基于深度对比学习的胎儿脑MRI分割方法,其特征在于,所述语义分割真值图的获取方式包括:通过编码器从训练样本中提取高级语义特征图;
通过解码器将所述高级语义特征图恢复至与所述训练样本一样的分辨率,再进行逐像素分类以获取所述语义分割真值图。
4.根据权利要求1所述的基于深度对比学习的胎儿脑MRI分割方法,其特征在于,所述将所述语义分割真值图作为所述边界关键点生成单元的输入,生成边界关键点图包括:将所述语义分割真值图沿某个视角切割成2D切片影像,在每张2D切片影像上获得边界点集合;
根据每张2D切片影像上边界点集合的大小来设置一个半径为第一半径与一个阈值,将边界点集合中的每个点作为圆心,绘制半径为所述第一半径的圆,计算圆内与圆心具有相同类别的点的比例;
将所述比例大于所述阈值的边界点保留为边界关键点,生成2D边界关键点图,将所述2D边界关键点图沿切面拼接起来以获取某一视角的边界关键点图;
将上述方法分别应用于胎儿脑图像的轴状面、冠状面以及矢状面;
将三个不同视角生成的边界关键点图应用逻辑“或”操作以获得最终的3D边界关键点图。
5.根据权利要求1所述的基于深度对比学习的胎儿脑MRI分割方法,其特征在于,所述特征提取网络包括:以SwinUNETR为基础的编码器-解码器网络,所述编码器包括若干个3D的Swin Transformer块与下采样层,所述解码器包括若干个基于转置卷积的上采样层。
6.根据权利要求1所述的基于深度对比学习的胎儿脑MRI分割方法,其特征在于,所述将所述特征图作为所述分割输出分支的输入,得到分割结果包括:接收所述特征图;
通过卷积层,将所述特征图中每个特征点的维度映射至8维;
通过激活函数计算经过处理的特征图的分割结果,以获取胎儿脑部MRI图像的分割结果。
7.一种基于深度对比学习的胎儿脑MRI分割装置,其特征在于,包括:构建模型模块:用于构建脑组织分割模型,所述脑组织分割模型包括特征提取网络、边界关键点生成单元、对比学习分支以及分割输出分支;
获取样本模块:用于获取训练样本集,所述训练样本集包括:至少一个训练样本和至少一个语义分割真值图,所述训练样本为胎儿脑MRI图像;
特征提取模块:用于将所述训练样本输入所述特征提取网络,进行特征提取,得到特征图;
边界关键点生成模块:用于将所述语义分割真值图作为所述边界关键点生成单元的输入,生成边界关键点图;
对比学习模块:用于将所述特征图作为所述对比学习分支的输入,并参考所述边界关键点图,以引导特征提取网络的训练过程,并计算对比损失;
分割输出模块:用于将所述特征图作为所述分割输出分支的输入,得到分割结果,并计算分割损失;
模型调整模块:用于基于对比损失和分割损失进行损失函数的计算,通过反向传播算法对所述脑组织分割模型进行参数调整,以获取胎儿脑MRI分割模型对胎儿脑MRI进行分割;
其中,所述将所述特征图作为所述对比学习分支的输入,并参考所述边界关键点图,以引导特征提取网络的训练过程包括:根据所述边界关键点图从胎儿脑特征图相应位置进行困难特征点的采样,再随机从非边界关键点进行容易特征点的采样组成采样点集合;
在所述采样点集合中,将特征点与特征锚点是相同的语义类别的样本作为正样本,反之则为负样本;
通过对比学习损失拉近特征锚点与正样本在特征嵌入上的距离,拉远特征锚点与负样本在特征嵌入上的距离,以引导特征提取网络的训练过程。
8.一种计算机可读存储介质,其特征在于,存储有计算机指令,所述计算机指令被运行时执行如权利要求1至6中任一项所述的基于深度对比学习的胎儿脑MRI分割方法。
9.一种电子终端,其特征在于,所述设备包括:存储器、及处理器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如权利要求1至6中任意一项所述基于深度对比学习的胎儿脑MRI分割方法。