一种基于CT图像的静动脉分离方法及装置制造方法及图纸

本发明专利技术公开了一种基于CT图像的静动脉分离方法及装置，相比于传统方法和医生手工标注，提高了静动脉分离的效率和精度，实现了全自动的静动脉分离，无需人工介入。发明专利技术内容的主要步骤包括：使用预设的三维肺分割模型对胸部CT图像进行肺部区域分割，得到肺部区域的三维掩模(mask)；对所述肺mask做凸包操作，并根据所述凸包后的肺mask取肺部区域，并将所述肺外区域像素值置为0，且根据所述肺mask得到最大肺外接包围框；利用预设的无下采样三维空洞卷积神经网络在所述肺外接包围框内对所述肺分割后的CT图像进行静动脉分离，得到静动脉mask。由于使用了精准的标注数据进行训练，再加上使用三维空洞卷积神经网络进行学习，减少信息量的丢失，实现了静动脉精准分离。

A method and device of artery separation based on CT image

【技术实现步骤摘要】
一种基于CT图像的静动脉分离方法及装置
本专利技术设计医学影像处理领域，特别涉及一种基于CT图像的静动脉分离方法及装置。
技术介绍
在过去的几十年里，计算机断层扫描(CT)已经成为诊断和评估肺部疾病、最常见的成像方式。现代CT扫描仪结合现代成像技术，允许使用低辐射剂量(半)自动识别和提取肺结构，如血管和支气管，具有较高的准确性。然而，尽管近年来在CT图像分割技术方面取得了一定的进展，但仍有许多问题没有得到解决。其中，肺动脉和肺静脉的识别和鉴别是最具挑战性的问题之一。将肺血管分为动脉/静脉(A/V)可能有助于医生准确诊断可能以特定方式影响动脉或静脉树的肺部疾病。例如，最近的研究表明，A/V分类可以更好地评估肺栓塞，而动脉树的变化与慢性血栓栓塞性肺动脉高压(CTEPH)的发展相关。此外，肺实质内动脉的改变与右心室功能障碍有关。为了检测两棵血管树的变化，医生手动分析患者的胸部CT图像以寻找异常。这个过程是耗时的，难以标准化，因此不适合大型临床研究或在现实世界的临床决策。因此，在CT图像中实现动静脉的自动分离成为人们关注的热点，它可以帮助医生准本文档来自技高网...

【技术保护点】
1.一种基于CT图像的静动脉分离方法，其特征在于，包括：/n使用预设的三维肺分割模型对胸部CT图像进行肺部区域分割，得到肺部区域的三维掩模mask；/n对所述肺mask做凸包操作，并根据所述凸包后的肺mask取肺部区域，并将所述肺外区域像素值置为0，且根据所述肺mask得到最大肺外接包围框；/n利用预设的无下采样三维空洞卷积神经网络在所述肺外接包围框内对所述肺分割后的CT图像进行静动脉分离，得到静动脉mask。/n

【技术特征摘要】
1.一种基于CT图像的静动脉分离方法，其特征在于，包括：
使用预设的三维肺分割模型对胸部CT图像进行肺部区域分割，得到肺部区域的三维掩模mask；
对所述肺mask做凸包操作，并根据所述凸包后的肺mask取肺部区域，并将所述肺外区域像素值置为0，且根据所述肺mask得到最大肺外接包围框；
利用预设的无下采样三维空洞卷积神经网络在所述肺外接包围框内对所述肺分割后的CT图像进行静动脉分离，得到静动脉mask。


2.根据权利要求1所述，其特征在于，所述三维肺分割模型可以为基于深度学习的三维分割模型。


3.根据权利要求1所述，其特征在于，对所述肺mask做凸包操作，包括：
将三维mask转换为多张二维mask；然后，对每张二维mask做凸包；最后按照顺序，将多张二维mask组成三维mask。


4.根据权利要求1所述，其特征在于，所述预设的无下采样三维空洞卷积神经网络的网络参数通过训练得到，其中训练数据由经验丰富的专业医生标注得到，训练数据为3维数据块。


5.根据权利要求1所述，其特征在于，所述无下采样三维空洞卷积神经网络由三维空洞卷积3DAtrousConvolution模块和三维卷积模块组成，包括：
整个网络从输入到输出无下采样操作、不进行池化操作，即每个层的特征图大小和网络输入数据大小一致，从而保留分割所需的细节信息；
网络的中间层通过多个空洞卷积连接获得静动脉分离所需的上下文全局信息；
...

【专利技术属性】
技术研发人员：姜志强，程国华，何林阳，季红丽，
申请(专利权)人：杭州健培科技有限公司，
类型：发明
国别省市：浙江;33