一种基于卷积神经网络的危及器官自动分割方法技术

本发明专利技术公开了一种基于卷积神经网络的危及器官自动分割方法，属于图像处理技术领域。所述方法包括：S1：获取患者CT图像数据以及相应的标注数据；S2：对所述CT图形数据以及相应的标注数据进行预处理；S3：建立3D卷积神经网络模型，输入数据块，获取模型输出的预测结果图像；S4：优化处理所述3D卷积神经网络模型输出的预测结果图像。本发明专利技术仅基于CT图像数据，原始数据获取难度较小，应用范围较广，且可实现CT影像中危及器官的自动分割，分割过程无需人工干涉，有效提高分割效率以及分割结果精度，增加后处理操作，对分割结果进行进一步优化。

【技术实现步骤摘要】
一种基于卷积神经网络的危及器官自动分割方法
本专利技术涉及图像处理
，特别涉及一种基于卷积神经网络的危及器官自动分割方法。
技术介绍
恶性肿瘤，即人们常说的癌症，目前是一个全球性的难以治疗的疾病，在医学上就等同于夺命杀手，是全球第一大致死因素。其中，肺癌是目前发病率和死亡率增长最快，对人群健康和生命威胁最大的胸腔部恶性肿瘤之一。肺癌的病因至今尚不完全明确，但有大量的资料表明，长期大量吸烟、城市大气污染以及烟尘中含有的致癌物质都可能导致肺癌的发生。除此之外，食道癌也是常见的胸腔部肿瘤，据统计，全世界每年约有30万人死于食管癌，而我国则是世界上食道癌高发地区之一，每年平均病死约15万人。对于这类胸腔部肿瘤的治疗，通常以手术、放化疗、生物疗法联合治疗为主。随着科学技术的发展，放射治疗已经成为治疗恶性肿瘤的三大重要手段之一，大约有60％～70％的肿瘤病人需要接受放射治疗。而在放射治疗中，勾画危及器官(OAR)对其进行保护是极为重要的一项任务。放射治疗技术作为一种非介入式的治疗手段，己经成为一种非常重要的治疗恶性肿瘤的手段。为了实现精确的放射治疗，医生需要在进行放射治疗之前，根据病人的实本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的危及器官自动分割方法，其特征在于，所述方法包括如下步骤：S1：获取患者CT图像数据以及相应的标注数据；S2：对所述CT图形数据以及相应的标注数据进行预处理；S3：建立3D卷积神经网络模型，输入数据块，获取模型输出的预测结果图像；S4：优化处理所述3D卷积神经网络模型输出的预测结果图像。

【技术特征摘要】
1.一种基于卷积神经网络的危及器官自动分割方法，其特征在于，所述方法包括如下步骤：S1：获取患者CT图像数据以及相应的标注数据；S2：对所述CT图形数据以及相应的标注数据进行预处理；S3：建立3D卷积神经网络模型，输入数据块，获取模型输出的预测结果图像；S4：优化处理所述3D卷积神经网络模型输出的预测结果图像。2.根据权利要求1所述的基于卷积神经网络的危及器官自动分割方法，其特征在于，所述步骤S2具体包括：S2.1：对CT图像数据进行清洗；S2.2：将清洗后的CT图像数据进行重构；S2.3：根据重构后的CT图像数据构建训练、验证数据集。3.根据权利要求2所述的基于卷积神经网络的危及器官自动分割方法，其特征在于，所述步骤S2.1具体包括：S2.1.1：去除噪声数据，即对CT图像数据进行筛选，去除带成像伪影的数据；S2.1.2：对不同CT图像的数据进行标准化处理；S2.1.3：标注数据规范化，将标注数据在空间坐标轴内的点坐标位置转换为图像坐标轴内的像素位置；S2.1.4：将标注数据的坐标点连接成闭合区域，并对其进行相应类别的填充。4.根据权利要求2所述的基于卷积神经网络的危及器官自动分割方法，其特征在于，所述步骤S2.2具体包括：S2.2.1：三维图像重构，将二维CT图像根据实际的相对位置排列重组，重构出三维图像；S2.2.2：三维数据块随机取样，通过选取随机中心坐标的方式，获取随机数据块，其中，数据块中心即为所选取中心；S2.2.3：获取与所述随机数据块相对应的低分辨率的数据块。5.根据权利要求2所述的基于卷积神经网络的危及器官自动分割方法，其特征在于，所述步骤S2.3具体包括：S2.3.1：获取所述随机数据块及其对应的低分辨率的数据块和标注数据，将标注中的不同器官用不同标签区分；S2.3.2：将有标注的的数据集划分为训练数据集和验证数据集。6.根据权利要求1所述的基于卷积神经网络的危及器官自动分割方法，其特征在于，所述步骤S3具体包括：S3.1：搭建双通道3D卷积神经网络模型，将所述训练数据集中的数据分别输入模型的两个通道中；S3.2：将所述训练数...

【专利技术属性】
技术研发人员：叶方焱，毛顺亿，浦剑，胡仲华，周建华，孙谷飞，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