基于3D CNN和迭代搜索的CT影像器官定位方法技术

本发明专利技术涉及医疗图像处理技术领域，具体涉及一种基于3D CNN和迭代搜索的CT影像器官定位方法，包括以下步骤：提取所有目标器官确定对应所述目标器官在目标CT影像中的位置；基于所述目标器官，进行分距离多密度块采样；设置损失函数，结合所述训练网络模型进行迭代搜索，得到各类器官定位信息。本发明专利技术只需要单个网络即可实现对全部器官进行3D bounding box预测，灵活且容易复现。同时，可以忽略体积的影响，对任意大小的原始CT图像进行准确预测，并取得准确地定位结果，在算法性能上得到很大提升。

【技术实现步骤摘要】
基于3DCNN和迭代搜索的CT影像器官定位方法
本专利技术涉及医疗图像处理
，具体涉及一种基于3DCNN和迭代搜索的CT影像器官定位方法。
技术介绍
目前，CT器官定位是医学图像处理中常用的预处理步骤，其目标是检测器官存在与否，若存在则预测出该器官的3Dboundingboxes。通过CT器官定位，可以将感兴趣区域提取出来再进行其他医学图像处理工作，这对于后序算法而言，不仅降低了存储的消耗，同时也能够提升算法的性能。最近几年，基于CNN的深度学习方法在CT器官定位方面展现了相对强大的性能，相对于传统的基于hand-crafted的方法，这些自动从原始图像中提取特征的network往往能取得更好的结果。这些DL方法大体上可以分成两类，分别是基于2DCNN与基于3DCNN的方法。首先，基于2DCNN的方法，对每种器官建立三个2DCNN网络进行器官定位，网络的输入分别为3种正交2D切片，算法整合了在图像正交切片上的目标器官存在性分类结果，最终获得了每个器官的3Dboundingbox。但，基于2D切片的方法往往需要对大量相似的2本文档来自技高网...

【技术保护点】
1.基于3D CNN和迭代搜索的CT影像器官定位方法，其特征在于，包括以下步骤：/nS01：提取所有目标器官确定对应所述目标器官在目标CT影像中的位置；/nS03：基于所述目标器官，进行分距离多密度块采样；/nS05：设置损失函数，结合所述训练网络模型进行迭代搜索，得到各类器官定位信息；/nS07：根据所述定位信息判断所述各类器官的存在信息。/n

【技术特征摘要】
1.基于3DCNN和迭代搜索的CT影像器官定位方法，其特征在于，包括以下步骤：
S01：提取所有目标器官确定对应所述目标器官在目标CT影像中的位置；
S03：基于所述目标器官，进行分距离多密度块采样；
S05：设置损失函数，结合所述训练网络模型进行迭代搜索，得到各类器官定位信息；
S07：根据所述定位信息判断所述各类器官的存在信息。


2.根据权利要求1所述基于3DCNN和迭代搜索的CT影像器官定位方法，其特征在于：在所述步骤S01之前，还包括S00：对原始CT影像做三线性插值处理，并进行归一化处理得到实施目标CT影像。


3.根据权利要求2所述基于3DCNN和迭代搜索的CT影像器官定位方法，其特征在于：所述目标影像的HU值限制为[-1000,1600]；
所述归一化处理具体为：



其中，data.min()表示所述目标CT影像的所述HU值的最小值；data.max()表示所述目标CT影像的所述HU值的最大值，所述valuei表示所述目标CT影像中的第i个所述HU值；所述Valuei表示所述目标CT影像中的第i个经所述归一化处理后的所述HU值。


4.根据权利要求1所述基于3DCNN和迭代搜索的CT影像器官定位方法，其特征在于：所述基于所述目标器官...

【专利技术属性】
技术研发人员：刘天歌，谭猛，靳玮钰，武玉，赵甲彧，刘雅婷，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13