对4-D时序肝脏CT图像数据进行血管分割的方法技术

本发明专利技术公开了一种对4‑D时序肝脏CT图像数据进行血管分割的方法，其包括以下步骤：S1、获取4‑D时序肝脏CT图像数据；S2、采用CenterNet的损失函数定位策略，应用到3‑D空间做全局ROI定位，从CT图像数据中提取出主要目标区域，仅对主要目标区域进行血管分隔以节省计算量；S3、利用SEUNet3D模型结构对主要目标区域中的每一个体素进行血管语义分割以获得血管分隔结果。本发明专利技术考虑了4‑D CT血管分割中存在的数据不平衡的特点，加入形态学估计的方案检测血管分支，并估计不同血管部分内径差异。依赖于血管骨架mask及内径数据设计合适的Patch采集机制和损失函数设计，得到了更好的血管分割的处理结果。

【技术实现步骤摘要】
对4-D时序肝脏CT图像数据进行血管分割的方法
本专利技术涉及血管分割
，特别是涉及一种对4-D时序肝脏CT图像数据进行血管分割的方法。
技术介绍
在计算机视觉领域，应用深度学习技术进行数据分析呈现快速增长的趋势。应用卷积神经网络(CNN)学习自动从图像中获得中高级抽象特征，被广泛应用于各种医学图像分析任务中。时序肝脏CT图像通过打入造影剂，观察不同时刻采集图像CT值的变化，区分肝动脉，肝静脉，门静脉等不同血管。准确的血管分割对于辅助手术方案的设计有着重要的作用。然而，此类血管内径小，在图像上所占比例少，具有复杂的分支结构。基于传统分割方法很难完成准确的血管分割，而后期人工标注又需要花费大量的人力。针对于CT图像的分割问题，有研究人员应用深度学习语义分割方法得到了一些不错的成果，然而此类问题主要针对器官组织等情况，对复杂结构微细血管的4-D数据分割应用效果不佳。
技术实现思路
本专利技术针对现有技术存在的问题和不足，提供一种有效的4-DCT数据肝脏血管分割算法，全自动完成血管分割任务，减少人工标注干预和调整的工作量。<本文档来自技高网...

【技术保护点】
1.一种对4-D时序肝脏CT图像数据进行血管分割的方法，其特征在于，其包括以下步骤：/nS1、获取4-D时序肝脏CT图像数据；/nS2、采用CenterNet的损失函数定位策略，应用到3-D空间做全局ROI定位，从CT图像数据中提取出主要目标区域；/nS3、利用SEUNet3D模型结构对主要目标区域中的每一个体素进行血管语义分割以获得血管分隔结果。/n

【技术特征摘要】
1.一种对4-D时序肝脏CT图像数据进行血管分割的方法，其特征在于，其包括以下步骤：
S1、获取4-D时序肝脏CT图像数据；
S2、采用CenterNet的损失函数定位策略，应用到3-D空间做全局ROI定位，从CT图像数据中提取出主要目标区域；
S3、利用SEUNet3D模型结构对主要目标区域中的每一个体素进行血管语义分割以获得血管分隔结果。


2.如权利要求1所述的对4-D时序肝脏CT图像数据进行血管分割的方法，其特征在于，在步骤S3中，利用当前区域全局坐标位置的补充信息作为一个分支网络的输入融合进SEUNet3D模型结构中进行血管语义分割。


3.如权利要求1所述的对4-D时序肝脏CT图像数据进行血管分割的方法，其特征在于，SEU...

【专利技术属性】
技术研发人员：李斌，陈敏杰，缪应鸟，姜小清，邱智泉，
申请(专利权)人：中国人民解放军海军军医大学第三附属医院，
类型：发明
国别省市：上海;31