【技术实现步骤摘要】
基于CT图像的肋骨分割方法、装置、介质及电子设备
本申请涉及图像处理领域，具体涉及基于CT图像的肋骨分割方法、检测装置、计算机可读存储介质以及电子设备。
技术介绍
电脑断层扫描(ComputedTomography，简称CT)是一种利用数位几何处理后重建的三维放射线医学影像。该技术主要通过单一轴面的X射线旋转照射人体，由于不同的组织对X射线的吸收能力(或称阻射率)不同，可以用电脑的三维技术重建出断层面影像，经由窗宽、窗位处理，可以得到相应组织的断层影像，将断层影像层层堆叠，即可形成立体影像。人体CT断层扫描是在医院上用来判断骨折的一个重要手段，并且在CT断层扫描影像上发现肋骨骨折、病变时需要标记出肋骨的位置及编号。医生在横断面上确定肋骨编号的时候，需要从最上方的第一根开始一根一根的数下去，这种数肋骨的方法速度慢、效率低，并且对放射科医生造成了巨大的工作负担，而且在高强度的工作下容易出现忘记肋骨编号或者数错的情况。
技术实现思路
为了解决上述技术问题，本申请提出了一种基于CT图像的肋骨分割方法、检测...
【技术保护点】
1.一种基于CT图像的肋骨分割方法，其特征在于，包括：/n获取CT图像中每个像素的位置信息；以及/n将所述CT图像及所述每个像素的位置信息输入神经网络模型，生成每根肋骨的图像及对应的编号。/n
【技术特征摘要】
1.一种基于CT图像的肋骨分割方法，其特征在于，包括：
获取CT图像中每个像素的位置信息；以及
将所述CT图像及所述每个像素的位置信息输入神经网络模型，生成每根肋骨的图像及对应的编号。
2.根据权利要求1所述的分割方法，其特征在于，所述CT图像包括多层二维图像，所述将所述CT图像及所述每个像素的位置信息输入神经网络模型，生成每根肋骨的图像及对应的编号包括：
获取所述多层二维图像中的单层待分割二维图像以及所述单层待分割二维图像一侧的连续N层二维图像和/或所述单层待分割二维图像另一侧的连续N层二维图像，作为当前待分割图像，其中N为大于等于1的整数；以及
将所述当前待分割图像及所述当前待分割图像中每个像素的位置信息输入所述神经网络模型，生成所述当前待分割图像中每根肋骨的图像及对应的编号。
3.根据权利要求2所述的分割方法，其特征在于，所述获取所述多层二维图像中的单层待分割二维图像以及所述单层待分割二维图像一侧的连续N层二维图像和/或所述单层待分割二维图像另一侧的连续N层二维图像，作为当前待分割图像包括：
依次将所述多层二维图像中的每一层二维图像作为所述单层待分割二维图像；以及
获取该所述单层待分割二维图像以及该所述单层待分割二维图像一侧的连续N层二维图像和/或所述单层待分割二维图像另一侧的连续N层二维图像作为当前待分割图像。
4.根据权利要求2所述的分割方法，其特征在于，所述获取所述多层二维图像中的单层待分割二维图像以及所述单层待分割二维图像一侧的连续N层二维图像和/或所述单层待分割二维图像另一侧的连续N层二维图像，作为当前待分割图像包括：
当所述单层待分割二维图像的一侧的二维图像的层数小于N时，放弃获取所述单层待分割二维图像。
5.根据权利要求2所述的分割方法，其特征在于，所述获取所述多层二维图像中的单层待分割二维图像以及所述单层待分割二维图像一侧的连续N层二维图像和/或所述单层待分割二维图像另一侧的连续N层二维图像，作为当前待分割图像包括：
当所述单层待分割二维图像的一侧的二维图像的层数小于N且大于零时，通过重复选取所述单层待分割二维图像该侧的二维图像，以实现该侧的二维图像的数量为N。
6.根据权利要求1所述的分割方法，其特征在于，所述神经网络模型的训练方法包括：
将训练样本输入及对应的训练样本输出输入所述神经网络模型进行训练，其中，所述训练样本输入包括所述训练样本对应的CT图像和所述训练样本对应的CT图像中每个像素的位置信息，所述训练样本输出包括所述训练样本对应的CT图像中每根肋骨的图像及对应的编号。
7.根据权利要求6所述的分割方法，其特征在于，所...
【专利技术属性】
技术研发人员：李玉才，陈宽，王少康，
申请(专利权)人：北京推想科技有限公司，
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。