一种基于深度学习的3D CT床快速分割方法技术

本发明专利技术公开了一种基于深度学习的3D CT床快速分割方法，包括，利用labelme标注输入的三维CT图切片中的CT床；基于深度学习构建CT床分割模型并训练标注完成的数据，得到训练完成的网络模型；利用训练好的所述网络模型分割原始CT图像中的一张切片，得到所述CT床，根据形态学操作所述CT床，得到CT床掩模；根据“与”运算策略计算所述原始图像剩余的所有切片及所述掩模，完成CT床的快速分割去除。本发明专利技术可以有效地去除三维图像的CT床，解决了去除CT床精度不好的问题，且无需将所有CT切片放入CT床分割模型，仅需将一张切片送入网络模型所得CT床掩膜，继而将其余切片与掩膜进行与运算实现CT床快速精确3D分割。

【技术实现步骤摘要】
一种基于深度学习的3DCT床快速分割方法
本专利技术涉及计算机视觉、深度学习的
，尤其涉及一种基于深度学习的3DCT床快速分割方法。
技术介绍
随着计算机科学技术的发展，计算机技术在医学影像方面的应用也越来越多。电子计算机断层扫描(ComputedTomography，以下简称CT)利用其独特的优势逐渐在医学方面发挥重要的作用，将传统的成像技术提高到了一个新的水平，目前，CT不仅仅只用于物体的平面，更多地是应用于一个三维的目标物体，获取其三维的CT体数据。CT扫描床作为CT的重要设备，是用来配合扫描装置完成全方位扫描的辅助工具，直接影响到检测结果和成像质量，是用来配合扫描装置完成全方位扫描的辅助工具，在物体拍摄CT的过程中，扫描床具有上下前后移动等功能，用以辅助目标物体更好地呈现在图像正中央。但是在实践过程中，CT图像扫描床总是包含CT图像中，这样就会对CT图像造成干扰、影响临床诊断的准确性，因此，去除CT图像扫描床在医学图像的处理中是必不可少地的一步。传统方案的方法通过图像处理进程读取三维的CT图像，对扫描的图像进行多线本文档来自技高网...

【技术保护点】
1.一种基于深度学习的3D CT床快速分割方法，其特性在于，包括：/n利用labelme标注输入的三维CT图切片中的CT床；/n基于深度学习构建CT床分割模型并训练标注完成的数据，得到训练完成的网络模型；/n利用训练好的所述网络模型分割原始CT图像中的一张切片，得到所述CT床，根据形态学操作所述CT床，得到CT床掩模；/n根据“与”运算策略计算所述原始图像剩余的所有切片及所述掩模，完成CT床的快速分割去除。/n

【技术特征摘要】
1.一种基于深度学习的3DCT床快速分割方法，其特性在于，包括：
利用labelme标注输入的三维CT图切片中的CT床；
基于深度学习构建CT床分割模型并训练标注完成的数据，得到训练完成的网络模型；
利用训练好的所述网络模型分割原始CT图像中的一张切片，得到所述CT床，根据形态学操作所述CT床，得到CT床掩模；
根据“与”运算策略计算所述原始图像剩余的所有切片及所述掩模，完成CT床的快速分割去除。


2.如权利要求1所述的基于深度学习的3DCT床快速分割方法，其特征在于：所述三维CT图切片的输入包括，
利用Pythondicom提取CT图像信息，得到三维CT图像的切片，将切片生成三维矩阵f(x,y,z)。


3.如权利要求1或2所述的基于深度学习的3DCT床快速分割方法，其特征在于：所述CT图像的二值化结果包括，
定义阈值T1和T2，介于该阈值范围内的所有体素的CT值为1，小于T1或大于T2的所有体素的CT值设置为0；
得到二值化切片序列图像bin_image：





4.如权利要求3所述的基于深度学习的3DCT床快速分割方法，其特征在于：所述CT床分割模型包括一个提取特征的编码器和一个实现精确定位的解码器。


5.如权利要求4所述的基于深度学习的3DCT床快速...

【专利技术属性】
技术研发人员：潘祥，钱琴琴，朱静，刘渊，谢振平，罗小虎，于宏斌，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32