一种基于深度学习和图像处理的混合肺部分割系统技术方案

本发明专利技术涉及一种基于深度学习和图像处理的混合肺部分割系统，包括：获取模块，用于获取肺部CT图像的DICOM文件；预处理模块，用于对所述DICOM文件进行预处理；第一分割模块，用于将预处理后的DICOM文件进行支气管的分割、血管的分割和肺结节检测；第二分割模块，用于将DICOM文件、支气管的分割结果和血管的分割结果作为深度学习模型的输入，进行肺叶的分割和提取以及动静脉的分割；第三分割模块，用于将支气管的分割结果、肺叶的分割结果和动静脉的分割结果作为分割模型的输入，进行肺段的分割。本发明专利技术实现了整体肺部的分割，能够为肺部楔形手术或者穿刺消融手术提供术前规划的解剖结构参考。

【技术实现步骤摘要】
一种基于深度学习和图像处理的混合肺部分割系统
本专利技术涉及图像处理
，特别是涉及一种基于深度学习和图像处理的混合肺部分割系统。
技术介绍
深度学习方法在图像处理领域取得了巨大的成就，这也为医疗图像数据应用深度学习技术识别特种部位提供了可能。目前，以深度学习为基础的CAD系统，在识别并分割CT图像中的器官、特征区域等方面具有广泛的应用。图像分割是作为图像处理的一个分支，在医学领域应用中是一个重要研究方向。人体组织的二维重建、定量分析都需要事先对有关部位进行分割。然而，由于人体内部组织的个体差异很大，不同算法对输入的图像形状、质量要求不同，临床应用中对肺部图像分割的准确度要求又很高，导致肺部图像分割工作成为医学影像在临床应用中的一个难题。现有的对肺部CT图像进行分割的装置和方法，都是针对肺部的部分器官的分割，而对于胸外科手术肺部结节所需要的整体分割方案未得到提现。
技术实现思路
本专利技术提供一种基于深度学习和图像处理的混合肺部分割系统，解决整体肺部分割问题。本专利技术解决其技术问题所采用的技术方本文档来自技高网...

【技术保护点】
1.一种基于深度学习和图像处理的混合肺部分割系统，其特征在于，包括：获取模块，用于获取肺部CT图像的DICOM文件；预处理模块，用于对所述DICOM文件进行预处理；第一分割模块，用于将预处理后的DICOM文件进行支气管的分割、血管的分割和肺结节检测；第二分割模块，用于将DICOM文件、支气管的分割结果和血管的分割结果作为深度学习模型的输入，进行肺叶的分割和提取以及动静脉的分割；第三分割模块，用于将支气管的分割结果、肺叶的分割结果和动静脉的分割结果作为分割模型的输入，进行肺段的分割。/n

【技术特征摘要】
1.一种基于深度学习和图像处理的混合肺部分割系统，其特征在于，包括：获取模块，用于获取肺部CT图像的DICOM文件；预处理模块，用于对所述DICOM文件进行预处理；第一分割模块，用于将预处理后的DICOM文件进行支气管的分割、血管的分割和肺结节检测；第二分割模块，用于将DICOM文件、支气管的分割结果和血管的分割结果作为深度学习模型的输入，进行肺叶的分割和提取以及动静脉的分割；第三分割模块，用于将支气管的分割结果、肺叶的分割结果和动静脉的分割结果作为分割模型的输入，进行肺段的分割。


2.根据权利要求1所述的基于深度学习和图像处理的混合肺部分割系统，其特征在于，所述预处理模块用于通过重采样和裁剪对所述CT图像的DICOM文件进行以下一项或多项组合：大小调整、裁剪、旋转、归一化以及标准化。


3.根据权利要求1所述的基于深度学习和图像处理的混合肺部分割系统，其特征在于，所述第一分割模块包括：肺部提取子模块，用于通过阈值二值化处理和图像的开、合处理从预处理的图像中提取出肺部图像；支气管提取子模块，用...

【专利技术属性】
技术研发人员：张忞，周欣欢，刘艺博，
申请(专利权)人：杭州微引科技有限公司，
类型：发明
国别省市：浙江;33