【技术实现步骤摘要】
CT图像腹部多器官分割方法及装置
本专利技术涉及图像处理
，更具体地，涉及一种CT图像腹部多器官分割方法及装置。
技术介绍
器官分割，指确定医学影像中属于各器官的区域，识别医学影像中的器官。CT图像腹部多器官分割，能够识别医学影像中的各腹腔器官。人体腹腔内有多种重要器官，包含肝脏、胆、胰脏、脾脏和肾脏。多器官分割，指分割出图像中每个目标器官包括的区域，目标器官的数量为多个。腹部CT图像的对比度低，且图像中各个器官的边界模糊、种类繁多，受到腹部压力影响，人体中的某些器官(例如胃、胰脏、肝脏等)存在较大的变形及不同器官之间存在结构重叠，人工手动进行分割是十分费时费力的，因此利用多器官分割技术实现腹部多器官的自动分割具有十分重要的意义。目前，基于大数据集学习的方法实现器官分割，得到较多的应用。例如，深度卷积神经网络和全卷积网络已被普遍用于CT扫描图像的器官分割。基于深度学习的分类和分割方法，带来基于深度学习的语义分割在医学影像处理领域的广泛应用。但由于服务器等硬件资源的限制，现有技术主要针对二维图像，将针对二维图像的多器官分割方法直接应用于二维图像的多器官分割非常...
【技术保护点】
1.一种CT图像腹部多器官分割方法，其特征在于，包括：根据待分割的腹部CT图像序列获取第一图像序列和第二图像序列；将所述第一图像序列和第二图像序列输入至多器官分割模型，输出所述待分割的腹部CT图像序列中各腹部CT图像的多器官分割结果；其中，所述第一图像序列中图像的尺度大于所述第二图像序列中图像的尺度；所述多器官分割模型是基于腹部CT图像序列样本数据以及预先确定的手动分割标注结果进行训练后获得的。
【技术特征摘要】
1.一种CT图像腹部多器官分割方法，其特征在于，包括：根据待分割的腹部CT图像序列获取第一图像序列和第二图像序列；将所述第一图像序列和第二图像序列输入至多器官分割模型，输出所述待分割的腹部CT图像序列中各腹部CT图像的多器官分割结果；其中，所述第一图像序列中图像的尺度大于所述第二图像序列中图像的尺度；所述多器官分割模型是基于腹部CT图像序列样本数据以及预先确定的手动分割标注结果进行训练后获得的。2.根据权利要求1所述的CT图像腹部多器官分割方法，其特征在于，所述将所述第一图像序列和第二图像序列输入至多器官分割模型，输出所述待分割的腹部CT图像序列中各腹部CT图像的多器官分割结果的具体步骤包括：将所述第二图像序列输入至所述多器官分割模型中的第一U-Net网络，输出第一结果；将所述第一结果进行升采样，获得第三图像序列；将所述第一图像序列和所述第三图像序列输入至所述多器官分割模型中的第二U-Net网络，输出所述待分割的腹部CT图像序列中各腹部CT图像的多器官分割结果。3.根据权利要求1所述的CT图像腹部多器官分割方法，其特征在于，将所述第一图像序列和第二图像序列输入至多器官分割模型之前，还包括：获取多个原始腹部CT图像序列和每一所述原始腹部CT图像序列的手动分割标注结果；根据每一原始腹部CT图像序列，对所述每一原始腹部CT图像序列中的每一图像进行归一化；对归一化后的所述每一原始腹部CT图像序列中的每一图像进行感兴趣区域提取，保留感兴趣区域，获取第四图像序列，作为一个样本腹部CT图像序列；将各所述样本腹部CT图像序列，组成所述腹部CT图像序列样本数据。4.根据权利要求3所述的CT图像腹部多器官分割方法，其特征在于，所述获取第四图像序列，与所述将各所述样本腹部CT图像序列，组成所述腹部CT图像序列样本数据之间，还包括：对所述第四图像序列进行数据增强，获得若干个样...
【专利技术属性】
技术研发人员：艾丹妮，杨健，王涌天，范敬凡，谢桂望，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。