基于深度学习的心脏CT图像分割方法、装置、设备及介质制造方法及图纸

本发明专利技术适用医学图像处理技术领域，提供了一种深度学习的心脏CT图像分割方法、装置、设备及介质，该方法包括：当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像，对获取到的心脏CT图像进行预处理，获得对应的预处理图像，通过预先训练好的V‑Net模型对该预处理图像中预设的心脏组织区域进行图像分割，获得心脏CT图像对应的心脏组织区域分割图像，从而提高了对心脏CT图像进行图像分割的精确度，进而获得高精度的分割图像，提高手术的安全程度。

【技术实现步骤摘要】
基于深度学习的心脏CT图像分割方法、装置、设备及介质
本专利技术属于医学图像处理
，尤其涉及一种基于深度学习的心脏CT图像分割方法、装置、设备及介质。
技术介绍
心脏是人体中很重要的一部分，心脏疾病已成为对人类生命威胁较大的疾病之一。对心脏图像感兴趣部分的提取与分割在临床医学研究心脏病变组织中起着至关重要的作用，它能够辅助医生诊断，减少人为失误，提高就医效率，节省医生和病人宝贵时间。计算机断层成像ComputedTomography，简称CT)技术的高速发展不断影响人体疾病的诊断方式，例如，多层螺旋和双源CT扫描仪可以提供患者精细的心脏CT图像，为在CT图像中研究心脏结构提供了技术基础，使其在心脏成像中得到了广泛的应用。由于心脏的左心室负责向全身供血，在心脏功能中起着重要的作用，也是整个心脏中容易病变的区域，因此左心室形态和运动的异常被视为心血管临床诊断的重要依据。为帮助患者进行脑血管疾病(CerebrovascularDisease，简称CVD)的诊断，医生致力于根据心脏CT图像确定患者的左心室容积、心肌壁厚度、并测量在心动周期的心室血量(射血分数)和管壁增厚性质的变化，而确本文档来自技高网...

【技术保护点】
1.一种基于深度学习的心脏CT图像分割方法，其特征在于，所述方法包括下述步骤：当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像；对所述获取到的心脏CT图像进行预处理，获得对应的预处理图像；通过预先训练好的V‑Net模型对所述预处理图像中预设的心脏组织区域进行图像分割，获得所述心脏CT图像对应的心脏组织区域分割图像。

【技术特征摘要】
1.一种基于深度学习的心脏CT图像分割方法，其特征在于，所述方法包括下述步骤：当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像；对所述获取到的心脏CT图像进行预处理，获得对应的预处理图像；通过预先训练好的V-Net模型对所述预处理图像中预设的心脏组织区域进行图像分割，获得所述心脏CT图像对应的心脏组织区域分割图像。2.如权利要求1所述的方法，其特征在于，获取用户输入的心脏CT图像的步骤之前，所述方法还包括：通过预设的图像处理程序对预先采集的心脏CT样本图像中所述心脏组织区域进行图像分割，获得所述心脏CT样本图像中所述心脏组织区域对应的GT图像；根据所述心脏CT样本图像和所述GT图像，对所述V-Net模型进行训练；当训练后所述V-Net模型输出的所述心脏组织区域分割图像和所述GT图像的相似程度满足预设的阈值时，结束所述V-Net模型的训练。3.如权利要求2所述的方法，其特征在于，所述预设的图像处理程序为ITK-SNAP。4.如权利要求1所述的方法，其特征在于，所述V-Net模型包括一个输入层、4个压缩层、4个解压缩层以及一个输出层，所述V-Net模型中每一层的卷积核大小为5，所述输入层的卷积步长为1，所述压缩层、所述解压缩层以及所述输出层的卷积步长为2。5.一种基于深度学习的心脏CT图像分割装置，其特征在于，所述装置包括：CT图像获取单元，用于当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像；图像预处理单元，用于对所述获取到的心脏CT图像进行...

【专利技术属性】
技术研发人员：胡战利，马慧，吴垠，梁栋，杨永峰，刘新，郑海荣，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44