【技术实现步骤摘要】
一种医学图像的心耳分割方法、装置及存储介质
本专利技术涉及医学图像后处理，尤其是涉及一种医学图像的心耳分割方法、装置及存储介质。
技术介绍
心耳就是从心房伸出的耳状小囊，是心房的一部分，具有主动舒缩和分泌功能，对缓解心房内压力升高及保证心室充盈具有重要意义。从解剖结构上看，心耳在心脏的角落，血液在心耳中流动缓慢，因而易形成血块，这些血块脱落后经主动脉流向全身，可能引发不同部位的栓塞，对身体造成严重的损害，甚至直接危及生命。虽然医学影像可以为临床诊断提供可靠的依据，但是生物医学图像本身有着许多不可避免的缺陷，使得医学影像的可读性存在一定局限，而且往往需要较多的医学经验。目前针对心耳的分割算法中，大部分都是基于传统图像处理的方式。这些算法需要依赖一定的先验知识，特殊情况下需要人为干预，处理效率低，鲁棒性不佳。同时在CTA图像上左心耳与左心房没有明显的边界，无法从灰度中获得边界特征，因此传统方法更加难以准确确定分割边界。此外，其中的许多方法都是针对超声图像进行的处理，无法直接应用于CTA图像中的心耳分割。<...
【技术保护点】
1.一种医学图像的心耳分割方法，其特征在于，包括以下步骤：/nS1：对包含心脏区域的多组医学图像数据集中的原始医学图像进行预处理后得到原始图像数据集；/n将每组医学图像数据重构得到三维模型，从三维模型中分离出心耳三维模型，根据心耳三维模型得到对应的三维二值矩阵，通过三维二值矩阵生成对应的心耳图像作为标签图像数据集；/nS2：基于3D-Unet网络架构构建神经网络模型，神经网络模型包括输入层、前处理模块、后处理模块和输出层；/nS3：将步骤S1的原始图像数据集和标签图像数据集输入神经网络进行训练，损失函数值采用均值Dice损失函数获得；/nS4：根据步骤S3训练好的神经网络模...
【技术特征摘要】
1.一种医学图像的心耳分割方法，其特征在于，包括以下步骤：
S1：对包含心脏区域的多组医学图像数据集中的原始医学图像进行预处理后得到原始图像数据集；
将每组医学图像数据重构得到三维模型，从三维模型中分离出心耳三维模型，根据心耳三维模型得到对应的三维二值矩阵，通过三维二值矩阵生成对应的心耳图像作为标签图像数据集；
S2：基于3D-Unet网络架构构建神经网络模型，神经网络模型包括输入层、前处理模块、后处理模块和输出层；
S3：将步骤S1的原始图像数据集和标签图像数据集输入神经网络进行训练，损失函数值采用均值Dice损失函数获得；
S4：根据步骤S3训练好的神经网络模型对单组待分割的医学图像数据进行心耳的识别和分割，输出一组心耳分割预测图像，完成医学图像的心耳分割。
2.根据权利要求1所述的一种医学图像的心耳分割方法，其特征在于，所述步骤S1中对包含心脏区域的医学图像进行预处理的方法具体为：
1.1)利用连续插值算法先对每组医学图像数据集中的医学图像进行重采样；
1.2)对每幅医学图像中所有非零像素进行合并，根据设定的裁剪值对合并后的图像进行裁剪；
1.3)通过三次B样条基函数作为变形函数对医学图像进行仿射变换；
1.4)最后对医学图像进行灰度阈值化处理。
3.根据权利要求1所述的一种医学图像的心耳分割方法，其特征在于，所述步骤S2构建的神经网络模型具体为：
输入层、前处理模块、后处理模块和输出层依次连接；
前处理模块包括五个依次连接的前处理子单元，第一个、第二个、第三个和第四个前处理子单元均包括依次连接的一个第一卷积块、两个第二卷积块和一个dropout层，第五个前处理子单元包括依次连接的一个第一卷积块、两个第二卷积块和一个上采样层；
后处理模块包括四个依次连接的后处理子单元，第一个后处理子单元、第二个后处理子单元和第三个后处理子单元包括依次连接的两个第二卷积块、一个第三卷积块和一个上采样层，第四个后处理子单元包括依次连接的一个第一卷积块和一个第三卷积块；
图像经输入层输入第一个前处理子单元，输出层主要由一个reshape层和一个激活函数层依次连接组成。
4.根据权利要求3所述的一种医学图像的心耳分割方法，其特征在于，
每个前处理子单元中第一卷积块的输出经逐像素求和操作均输入后一个前处理子单元的第一卷积块，其中，第五个前处理子单元中第一卷积块的输出输入第一个后处理子单元中第一个第二卷积块；第一个、第二个、第三个和第四个前处理子单元中第二个第二卷积块的输出经级联的操作分别输入第四个、第三个...
【专利技术属性】
技术研发人员：高琪，方存亮，王哲，魏润杰，
申请(专利权)人：杭州晟视科技有限公司，
类型：发明
国别省市：浙江;33
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。