一种纵膈淋巴结分割模型的生成方法及系统技术方案

本发明专利技术提供一种纵膈淋巴结分割模型的生成方法及系统，涉及医疗图像处理技术领域，包括：获取若干胸外科患者的肺部CT图像，并对各肺部CT图像进行三维重建，得到三维图像；分别对各三维图像进行三维分割，得到标记有真实纵膈淋巴结病灶区域的三维标注图像；将各三维标注图像进行分组，得到训练集、测试集和矫正集；训练集训练得到纵膈淋巴结分割模型；测试集输入纵膈淋巴结分割模型得到相应的分割图像，计算纵膈淋巴结分割模型的分割准确率；分割准确率小于准确率阈值，则矫正集对纵膈淋巴结分割模型进行矫正；分割准确率不小于准确率阈值，则将纵膈淋巴结分割模型进行保存。本发明专利技术有效提高纵膈淋巴结分割的准确性，且无需人工干预，实用性强。

A method and system for the generation of mediastinal lymph node segmentation model

【技术实现步骤摘要】
一种纵膈淋巴结分割模型的生成方法及系统
本专利技术涉及医疗图像处理
，尤其涉及一种纵膈淋巴结分割模型的生成方法及系统。
技术介绍
肺癌的发病率高、死亡率高、5年生存率低，是全球癌症致死首要因素。肺癌晚期时会出现扩散和转移，其中纵隔淋巴结转移是比较常见的一种情况。肺癌在出现淋巴转移的早期并没有明显的症状，到了晚期的时候会出现淋巴结肿大。随着病情的加重，会出现多个淋巴结肿大的情况。肺癌出现淋巴结转移之后，绝大多数都没有较好的办法治疗，因为此时癌细胞扩散转移已经非常严重，通过淋巴系统遍布全身各处，形成很多的新的癌症病灶。因此，淋巴结的准确分割对于手术摘除病灶有非常重要的意义。目前医学影像学已经成为肺癌检查、治疗方案选择及疗效检测等最重要的手段之一，依据X射线成像、超声成像、计算机断层成像(ComputerTomography,CT)、核磁共振成像(MagneticResonanceImaging,MRI)、正电子发射断层成像(PositronEmissionTomography,PET)等医学影像学检查方法，可以非侵入地“窥探”人体内部本文档来自技高网...

【技术保护点】
1.一种纵膈淋巴结分割模型的生成方法，其特征在于，具体包括以下步骤：/n步骤S1，获取若干胸外科患者的肺部CT图像，并对各所述肺部CT图像进行三维重建，得到每个所述胸外科患者对应的三维图像；/n步骤S2，分别对各所述三维图像进行三维分割，得到标记有真实纵膈淋巴结病灶区域的三维标注图像；/n步骤S3，将各所述三维标注图像进行分组，得到训练集、测试集和矫正集；/n步骤S4，根据所述训练集中的各所述三维标注图像训练得到纵膈淋巴结分割模型；/n步骤S5，分别将所述测试集中的每个所述三维标注图像输入所述纵膈淋巴结分割模型得到相应的分割图像，并根据各所述分割图像与对应的所述真实纵膈淋巴结病灶区域，计算得到...

【技术特征摘要】
1.一种纵膈淋巴结分割模型的生成方法，其特征在于，具体包括以下步骤：
步骤S1，获取若干胸外科患者的肺部CT图像，并对各所述肺部CT图像进行三维重建，得到每个所述胸外科患者对应的三维图像；
步骤S2，分别对各所述三维图像进行三维分割，得到标记有真实纵膈淋巴结病灶区域的三维标注图像；
步骤S3，将各所述三维标注图像进行分组，得到训练集、测试集和矫正集；
步骤S4，根据所述训练集中的各所述三维标注图像训练得到纵膈淋巴结分割模型；
步骤S5，分别将所述测试集中的每个所述三维标注图像输入所述纵膈淋巴结分割模型得到相应的分割图像，并根据各所述分割图像与对应的所述真实纵膈淋巴结病灶区域，计算得到所述纵膈淋巴结分割模型的分割准确率；
步骤S6，将所述分割准确率与预设的准确率阈值进行比较：
若所述分割准确率小于所述准确率阈值，则转向步骤S7；
若所述分割准确率不小于所述准确率阈值，则转向步骤S8；
步骤S7，根据所述矫正集中的各所述三维标注图像对所述纵膈淋巴结分割模型进行矫正，随后返回所述步骤S6；
步骤S8，将所述纵膈淋巴结分割模型进行保存，以对纵膈淋巴结进行分割。


2.根据权利要求1所述的纵膈淋巴结分割模型的生成方法，其特征在于，所述步骤S4具体包括：
步骤S41，于所述训练集中的每个所述三维标注图像上建立坐标系，并根据所述坐标系分别对各所述三维标注图像进行重叠采样得到若干图像块；
每个所述三维标注图像采样得到的所述图像块具有相同的数量和相同的预设尺寸，且每个所述图像块具有关联于所述坐标系的中心坐标；
步骤S42，针对每个所述三维标注图像采样得到的各所述图像块，将各所述图像块输入预先生成的深度残差U-net分割模型中进行特征学习，得到各所述图像块对应的子分割概率图；
所述子分割概率图中包括对应的所述图像块的各体素点为纵膈淋巴结的概率值；
步骤S43，根据所述中心坐标将各所述子分割概率图还原在对应的各所述图像块所在的所述坐标系中，并对各所述子分割概率图之间的重合体素点的所述概率值取平均，得到所述三维图像的总分割概率图；
步骤S44，将所述总分割概率图中各体素点的所述概率值与预设的类概率阈值进行比较：
若所述概率值大于所述类概率阈值，则将对应的所述体素点的体素值设置为表征所述体素点为病灶区的一第一数值，随后转向步骤S45；
若所述概率值不大于所述类概率阈值，则将对应的所述体素点的体素值设置为表征所述体素点不为病灶区的一第二数值，随后转向步骤S45；
步骤S45，根据所述第一数值和所述第二数值生成所述三维标注图像的纵膈淋巴结分割结果，计算所述纵膈淋巴结分割结果与所述真实纵膈淋巴结病灶区域之间的误差，并根据所述误差调整所述深度残差U-net分割模型的参数；
步骤S46，重复执行所述步骤S42至所述步骤S45，直至训练结束，得到纵膈淋巴结分割模型。


3.根据权利要求2所述的纵膈淋巴结分割模型的生成方法，其特征在于，所述步骤S41中，所述预设尺寸为24像素*24像素*8像素。


4.根据权利要求2所述的纵膈淋巴结分割模型的生成方法，其特征在于，所述步骤S44中，所述第一数值为1。


5.根据权利要求2所述的纵膈淋巴结分割模型的生成方法，其特征在于，所述步骤S44中，所述第二数值为0。


6.根据权利要求1所述的纵膈淋巴结分割模型的生成方法，其特征在于，所述步骤S5具体包括：
步骤S51，分别将所述测试集中的每个所述三维标注图像输入所述纵膈淋巴结分割模型得到相应的分割图像；
步骤S52，根据各所述分割图像与对应的所述真实纵膈淋巴结病灶区域，分别计算得到每个所述分割图像与对应的所述真实纵膈淋巴结病灶区域之间的重合率，并将所述重合率与预设的重合率阈值进行比较：
若所述重合率不小于所述重合率阈值，则将对应的所述三维标注图像加入一第一图像库，随后转向步骤S53；
若所述重合率小于所述重合率阈值，则将对应的所述三维标注图像加入一第二图像库，随后转向步骤S53；
步骤S53，分别统计得到所述第一图像库中的所述三维标注图像的第一数量，以及所述第二图像库中的所述三维标注图像的第二数量，并根据所述第一数量和所述第二数量计算得到所述纵膈淋巴结分割模型的分割准确率。


7.根据权利要求6所述的纵膈淋巴结分割模型的生成方法，其特征在于，所述步骤S53中，按照如下公式计算所述分割准确率：

【专利技术属性】
技术研发人员：刘馨月，陈昶，谢冬，佘云浪，邓家骏，王亭亭，
申请(专利权)人：上海市肺科医院上海市职业病防治院，
类型：发明
国别省市：上海;31