CT图像的危及器官分割方法及装置制造方法及图纸

本发明专利技术公开了一种CT图像的危及器官分割方法及装置，属于数字图像处理技术领域，方法包括步骤：S1、构建图像集，其中，图像集包括预处理后的多个CT图像；S2、对多个CT图像分别进行危及器官标注，以建立训练集；S3、构建危及器官分割网络，并对危及器官分割网络进行预训练；S4、在训练集上融合图像空间坐标信息对预训练后的危及器官分割网络进行训练，生成危及器官分割模型；S5、基于危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤危及器官分割结果，得到最终的危及器官分割结果。本发明专利技术实施例能够实现对患者在精准放疗时的危及器官进行实体分割，避免放疗照射时对危及器官造成损伤。

Method and Device for Segmenting Dangerous Organs in CT Images

The invention discloses a method and device for dangerous organ segmentation of CT images, which belongs to the field of digital image processing technology. The method comprises steps: S1, building an image set, in which the image set includes several pre-processed CT images; S2, labeling multiple CT images respectively to establish a training set; S3, constructing a dangerous organ segmentation network, and segmentation of dangerous organs. Network pre-training; S4. Integrating image spatial coordinate information on training set to train pre-training dangerous organ segmentation network to generate a dangerous organ segmentation model; S5. Based on the dangerous organ segmentation model, the dangerous organ segmentation results of target CT images are obtained, and the final dangerous organ segmentation results are filtered according to the preset rules. The embodiment of the present invention can realize the entity segmentation of dangerous organs of patients during precise radiotherapy, so as to avoid the damage of dangerous organs caused by radiotherapy irradiation.

【技术实现步骤摘要】
CT图像的危及器官分割方法及装置
本专利技术涉及数字图像处理
，特别涉及一种CT图像的危及器官分割方法及装置。
技术介绍
肿瘤患者进行放疗之前，需要由放疗医生、物理师以及剂量师们共同仔细研究，为患者定制出一套精准、安全、有效的粒子放疗计划。该放疗计划需要考量多种指标，规避重要脏器，挑选最优照射路径与角度，以不同颜色勾画接受不同照射剂量的肿瘤病灶区。在制定放疗计划的过程中，需要涉及到放疗切片的解读。对于中国每十万人中只有不到两位的病理医生现状而言，每位患者能够得到的医生资源非常匮乏。在病理医生读片的过程中，需要把病人的影像数据切片为几十片，从中观察病变情况。之后需要针对病变区域勾画靶区，并对危及器官进行保护。此类工作费时费力，由于医生工作经验的差异、医生当天的状态等情况会导致危及器官的勾画效果不同，导致后续制定放疗计划时无法良好保护危机器官，对患者产生较大影响。随着科技力量的兴起，人工智能赋能医疗领域已有较多应用场景。患者的医疗影像数据以及检验数据已达到PB数量级，对于人工分析而言是巨大负担，却符合数据挖掘、机器学习等技术对于数据量的需求。
技术实现思路
有鉴于此，本专利技术实施例提供了一种CT图像的危及器官分割方法及装置，可以实现对患者在精准放疗时的危及器官进行实体分割，避免放疗照射时对危及器官进行照射。本专利技术实施例提供的技术方案如下：第一方面，提供了一种CT图像的危及器官分割方法，包括步骤：S1、构建图像集，其中，所述图像集包括预处理后的多个CT图像；S2、对多个所述CT图像分别进行危及器官标注，以建立训练集；S3、构建危及器官分割网络，并对所述危及器官分割网络进行预训练；S4、在所述训练集上融合图像空间坐标信息对预训练后的所述危及器官分割网络进行训练，生成危及器官分割模型；S5、基于所述危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤所述危及器官分割结果，得到最终的危及器官分割结果。在一些实施例中，所述步骤S2进一步包括：S21、对所述CT图像进行勾画，得到危及器官的勾画区域；S22、对所述危及器官的勾画区域打上所述危及器官对应的标签；S23、将所述危及器官的勾画区域的原始坐标转换成图像像素位置；S24、根据所述图像像素位置，对所述危及器官进行连点成线处理及区域填充处理，生成与所述CT图像对应的标注图像；S25、根据所述CT图像和对应的所述标注图像，建立所述训练集。在一些实施例中，所述步骤S2进一步还包括：S26、在所述训练集中，对所述CT图像和对应的所述标注图像同步进行图像变换操作；其中，所述图像变换操作包括轻微旋转、放大、缩小、平移、拉伸中的任意一项或多项组合。在一些实施例中，所述步骤S3中构建危及器官分割网络包括：S31、对符合第一预设图像尺寸的所述CT图像进行多次卷积操作、多次非线性激活操作以及图像降采样；S32、重复执行步骤S31，直至提取到符合第二预设图像尺寸的特征图；S33、基于滑窗扫描方法，从所述特征图中提取出目标区域；S34、基于全卷积网络对所述目标区域进行分类、定位，得到目标分类结果和目标定位结果；S35、基于反卷积网络对所述特征图进行二值分割，得到二值分割结果；S36、基于所述目标分类结果和所述目标定位结果，在所述二值分割结果中确定目标分割结果。在一些实施例中，所述步骤S3中对所述危及器官分割网络进行预训练进一步包括：S31'、设置所述危及器官分割网络的网络训练参数；S32'、在预先获取的图像分割数据集上，采用所述网络训练参数对所述危及器官分割网络进行预训练，得到预训练后的所述危及器官分割网络。在一些实施例中，所述步骤S4进一步包括：S41、对所述训练集中的CT图像的图像信息与图像空间坐标信息按通道进行拼接，以作为预训练后的危及器官分割网络的输入；S42、以所述拼接后的CT图像作为输入，对预训练后的所述危及器官分割网络进行训练，得到所述危及器官分割模型。在一些实施例中，所述预设规则包括以下中的至少一个：仅当出现肺器官分割时才允许出现心脏器官的分割；当心脏器官的高度小于阈值时，则认定心脏器官不存在；若针对所述目标CT图像所预测出的器官的坐标范围在预设范围内时，则认定所述目标CT图像内存在所述器官。在一些实施例中，所述步骤S4进一步包括：S43、采用不同的训练方式重复执行步骤S42，得到多个危及器官分割模型；所述步骤S5进一步包括：S51、基于所述多个危及器官分割模型得到所述目标CT图像的多个危及器官分割结果，并按照所述预设规则分别过滤所述多个危及器官分割结果；S52、对过滤后的所述多个危及器官分割结果进行融合，得到最终的危及器官分割结果。在一些实施例中，所述步骤S5之后，所述方法还包括：若所述最终的危及器官分割结果为错误分割结果，则对所述最终的危及器官分割结果通过插值方式或区域生成方式进行修正。第二方面，提供了一种应用于如第一方面任一项所述的CT图像的危及器官分割方法的分割装置，其特征在于，所述装置包括：第一构建模块，用于构建图像集，其中，所述图像集包括预处理后的多个CT图像；第二构建模块，用于对多个所述CT图像分别进行危及器官标注，以建立训练集；第一训练模块，用于构建危及器官分割网络，并对所述危及器官分割网络进行预训练；第二训练模块，用于在所述训练集上融合图像空间坐标信息对预训练后的所述危及器官分割网络进行训练，生成危及器官分割模型；分割模块，用于基于所述危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤所述危及器官分割结果，得到最终的危及器官分割结果。第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面任一项所述的CT图像的危及器官分割方法。第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面任一项所述的CT图像的危及器官分割方法。本专利技术实施例与现有技术相比存在的有益效果是：1、构建训练集并在训练集上训练生成危及器官分割模型，通过危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤该结果，得到最终的危及器官分割结果。从而可以有效做到危及器官标注，使得提升危及器官分割精度的同时提升效率；2、避免了传统针对CT图像危及器官勾画过程中，因人为因素导致的标注错误、精度不高等情形发生；实现了在制定放疗计划的过程中大幅降低人工勾画成本，减轻医师工作强度，且提高了危及器官勾画的精准性，因此能够确保放疗计划方案的可靠性，确保放疗疗效。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例提供的CT图像的危及器官分割方法的流程图；图2为本专利技术一实施例提供的构建图像集的流程图；图3为本专利技术一实施例提供的对多个CT图像分别进行危及器官标注，以建立训练集的的流程图；图4为本专利技术一实施例提供的CT图像与对应的标注图像的示意图；图5为本专利技术一实施例提供的构建危及器官本文档来自技高网...

【技术保护点】
1.一种CT图像的危及器官分割方法，其特征在于，包括步骤：S1、构建图像集，其中，所述图像集包括预处理后的多个CT图像；S2、对多个所述CT图像分别进行危及器官标注，以建立训练集；S3、构建危及器官分割网络，并对所述危及器官分割网络进行预训练；S4、在所述训练集上融合图像空间坐标信息对预训练后的所述危及器官分割网络进行训练，生成危及器官分割模型；S5、基于所述危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤所述危及器官分割结果，得到最终的危及器官分割结果。

【技术特征摘要】
1.一种CT图像的危及器官分割方法，其特征在于，包括步骤：S1、构建图像集，其中，所述图像集包括预处理后的多个CT图像；S2、对多个所述CT图像分别进行危及器官标注，以建立训练集；S3、构建危及器官分割网络，并对所述危及器官分割网络进行预训练；S4、在所述训练集上融合图像空间坐标信息对预训练后的所述危及器官分割网络进行训练，生成危及器官分割模型；S5、基于所述危及器官分割模型得到目标CT图像的危及器官分割结果，并按照预设规则过滤所述危及器官分割结果，得到最终的危及器官分割结果。2.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括：S21、对所述CT图像进行勾画，得到危及器官的勾画区域；S22、对所述危及器官的勾画区域打上所述危及器官对应的标签；S23、将所述危及器官的勾画区域的原始坐标转换成图像像素位置；S24、根据所述图像像素位置，对所述危及器官进行连点成线处理及区域填充处理，生成与所述CT图像对应的标注图像；S25、根据所述CT图像和对应的所述标注图像，建立所述训练集。3.根据权利要求2所述的方法，其特征在于，所述步骤S2进一步还包括：S26、在所述训练集中，对所述CT图像和对应的所述标注图像同步进行图像变换操作；其中，所述图像变换操作包括轻微旋转、放大、缩小、平移、拉伸中的任意一项或多项组合。4.根据权利要求1所述的方法，其特征在于，所述步骤S3中构建危及器官分割网络包括：S31、对符合第一预设图像尺寸的所述CT图像进行多次卷积操作、多次非线性激活操作以及图像降采样；S32、重复执行步骤S31，直至提取到符合第二预设图像尺寸的特征图；S33、基于滑窗扫描方法，从所述特征图中提取出目标区域；S34、基于全卷积网络对所述目标区域进行分类、定位，得到目标分类结果和目标定位结果；S35、基于反卷积网络对所述特征图进行二值分割，得到二值分割结果；S36、基于所述目标分类结果和所述目标定位结果，在所述二值分割结果中确定目标分割结果。5.根据权利要求1所述的方法，其特征在于，所述步骤S3中对所述危及器官分割网络进行预训练进一步包括：S31'、设置所述危及器官分割网络的网络训练参数；S32'、在预先获取的图像分割数据集上，采用所述网络训练参数对所述危及器官分割网络进行预训练，得到预训练后的所述危及器官分割网络。6.根据权利要求1所述的方法，其特征在于，所述步骤S4进一步包括：S41、对...

【专利技术属性】
技术研发人员：毛顺亿，胡仲华，叶方焱，周建华，孙谷飞，浦剑，王文化，石峰，
申请(专利权)人：众安信息技术服务有限公司，
类型：发明
国别省市：广东,44