【技术实现步骤摘要】
一种从肺部CT图像中提取末端支气管树的方法
本专利技术涉及肺部CT图像处理
,具体是一种从肺部CT图像中提取末端支气管树的方法。
技术介绍
肺部血管由肺动脉与肺静脉组成,是人体各组织器官中最为复杂的血管结构之一。从肺主动脉和肺主静脉开始,肺部血管逐级分支形成类树状的血管树结构。在临床诊断中,准确获取肺部血管树的解剖结构信息,是评估肺动脉高压风险的重要参考依据,也是实现肺栓塞自动检测的基础,同时也有利于减少肺结节检测的假阳性率。在临床研究中,有效地分离出肺部血管树,对于肺灌注研究、间质性肺疾病研究以及肿瘤体积量化分析具有重要的临床意义。在图像处理领域,提取出的肺部血管树,还可用于引导肺气管和肺叶组织的分割。因此有效准确地分割出肺部血管区域,具有重要的临床意义与研究价值。而由于肺部血管树分布范围广、血管半径跨度大且分支数目庞大,完整有效地分割出肺部血管树难度依旧较大。针对这一难题,国内外提出的肺部血管分割方法相对较少。其中能够完整分割出肺部血管区域的方法又占少数,并且用于评判分割结果的量化指标不够全面。主要的分割方法包括基于区域生长的方法、基于水平集的方法以及基于管状滤波增强的方法。基于区域生长的方法能够有效地分割出管半径较大的肺部血管,但对细小血管的分割效果较差,且容易错分出肺部气管壁区域。基于水平集的分割方法,具有较高的分割精度,但由于引入了水平集函数,使得完整分割肺部血管的计算量较大。基于管状滤波函数的分割方法种类较多,该类方法主要通过对Hessian矩阵进行分析,从而提取出潜在的肺部血管区域。但该类方法容易在血管分叉处产生断裂,从而影响最终的分割 ...
【技术保护点】
1.一种从肺部CT图像中提取末端支气管树的方法,其特征在于:包括下列步骤:1)准备初始数据:初始数据包括用来训练、验证和测试的肺部纹理CT图像小块、对应的几何信息图像小块和对应的类别标签。2)卷积神经网络的构建:基于卷积神经网络中跳跃结构的思想,构建一个18层的卷积神经网络。3)基于步骤(2)得到的卷积神经网络进行训练;其中,所述卷积神经网络的卷基层尺寸为96个7×7大小的卷积核,扫描时步长设置为2,得到96个31×31的卷积输出,将卷积输出通过ReLU激活输入2×2的池化层降采样,得到96个15×15的数据,之后每层卷积层尺寸为256个5×5,384个3×3,256个3×3;所述卷积神经网络的全连接层为两层,维度为1152,与输出SoftMax相连计算每分钟分类的目标概率,通过随机梯度下降来进行权重的更新。
【技术特征摘要】
1.一种从肺部CT图像中提取末端支气管树的方法,其特征在于:包括下列步骤:1)准备初始数据:初始数据包括用来训练、验证和测试的肺部纹理CT图像小块、对应的几何信息图像小块和对应的类别标签。2)卷积神经网络的构建:基于卷积神经网络中跳跃结构的思想,构建一个18层的卷积神经网络。3)基于步骤(2)得到的卷积神经网络进行训练;其中,所述卷积神经网络的卷基层尺寸为...
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。