基于三维全卷积神经网络及区域生长的医学影像器官分割方法及系统技术方案

本发明专利技术涉及基于三维全卷积神经网络及区域生长的医学影像器官分割方法，包括：对医学影像数据进行数据预处理；对数据预处理后的医学影像数据进行数据裁剪，得到数据裁剪结果；将数据裁剪结果输入低分辨率的三维全卷积网络，输出VOI区域；对VOI区域采用各向同性的空间体重采样，作为高分辨率的三维全卷积网络的输入，得到器官分割预测结果A；选取VOI区域中各像素点的置信度由高至低排序中的前k个像素点作为初始种子点，以初始种子点进行区域生长，得到器官分割预测结果B；其中，k为正整数；对器官分割预测结果A与器官分割预测结果B进行融合，得到融合结果；对融合结果进行去噪处理，得到器官分割结果，本发明专利技术提升了分割精度。本发明专利技术提升了分割精度。本发明专利技术提升了分割精度。

【技术实现步骤摘要】
基于三维全卷积神经网络及区域生长的医学影像器官分割方法及系统


[0001]本专利技术属于医学影像器官分割
，具体涉及基于三维全卷积神经网络及区域生长的医学影像器官分割方法及系统。

技术介绍

[0002]随着人口的增加与信息技术的发展，医疗事业融入信息技术已经是目前医学发展的必然趋势。医学图像是当前医学领域进行相应研究的一种重要手段，同时也是进行临床诊断医疗的主要依据所在。研究医学图像，主要对医学图像的采集、处理、分析进行研究。医学图像处理是医疗事业的重要组成部分。随着信息科学技术的发展，特别是医疗器械的发展，采用计算机算法自动化处理医学图像的方式受到了越来越多的关注。同时，人工智能技术的发展和其在医疗健康领域的应用越来越广泛，医疗事业中医学图像处理的研究，也随着人工智能的技术一同发展，并在图像处理、图像分割、图像降噪上起到了重要的作用，进而提高了医疗临床诊断的效率与质量。另外，人口老龄化以及职业医师数量的短缺，远远无法应对如此庞大的日均门诊量；而人工智能技术的发展为这一问题提供了一条道路，催生了医疗智能化，引入人工智能、云计算、大数据等技术，可以有效提升临床诊断效率，扩大医疗服务供给需求趋于平衡。
[0003]在医疗临床诊断的过程中，医师需要在计算机上，在CT图像中手动逐张逐层勾画器官或病灶的标记轮廓线。医生手动勾画标注这一步骤会消耗大量的时间，增加医生的工作量，相对来说技术含量较低，重复性、低水平的操作会使得临床诊断量减少，降低医生的工作效率，同时增加病人的等待时间，在等待的工程中，可能会使得病人的病情加重发展，在一定程度上影响了病人的健康以及后续诊断治疗的难度。除此之外，不同医生对相同的器官或病变的理解上存在差异，导致同一张图像会由医生标注习惯和医学经验的差异，得到不同的勾画标注，难以形成一套统一的评价标准。
[0004]近些年，由于人工智能技术的发展与计算机硬件水平的提高，在可用的已标注数据集不断增加的情况下，带来了基于深度学习算法的快速发展进步；尤其是在医疗领域上的应用，使得全自动的器官病灶勾画分割成为了现实。全自动的深度学习分割算法旨在自动的识别，并将目标器官病灶在CT图像中分割出来，来取代医生手动标注勾画的工作，减少医生的工作负担，提升工作效率。在半自动的传统图像处理算法中，首先需要医生手动选取目标器官或目标点，并通过不同的算法进行分割处理，在一定程度上减少了医生的工作量。而在全自动的基于深度学习算法进行图像处理时，只需要输入CT图像，可以在短时间内，直接得到较高器官或者病灶的分割结果。但在某些边界模糊，形变等情况下，深度学习算法的结果略逊于传统的半自动算法的结果。
[0005]目前，对于器官病灶的分割算法，大多使用全卷积的深度学习算法，例如：公开号为CN111415359A的专利文献公开的一种自动化分割医学影像多器官的方法，虽然具有较好的分割效果和准确度；但是，对于目标较小、形变较大或者边界不清晰的器官，现有的分割
算法的分割效果仍有待提升。

技术实现思路

[0006]基于现有技术中存在的上述缺点和不足，本专利技术的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本专利技术的目的之一是提供满足前述需求之一或多个的一种基于三维全卷积神经网络及区域生长的医学影像器官分割方法及系统。
[0007]为了达到上述专利技术目的，本专利技术采用以下技术方案：
[0008]基于三维全卷积神经网络及区域生长的医学影像器官分割方法，包括以下步骤：
[0009]S1、对医学影像数据进行数据预处理；
[0010]S2、对数据预处理后的医学影像数据进行数据裁剪，得到数据裁剪结果；
[0011]S3、将数据裁剪结果输入低分辨率的三维全卷积网络，输出VOI区域；
[0012]S4、对VOI区域采用各向同性的空间体重采样，作为高分辨率的三维全卷积网络的输入，得到器官分割预测结果A；
[0013]选取VOI区域中各像素点的置信度由高至低排序中的前k个像素点作为初始种子点，以初始种子点进行区域生长，得到器官分割预测结果B；其中，k为正整数；
[0014]S5、对器官分割预测结果A与器官分割预测结果B进行融合，得到融合结果；
[0015]S6、对融合结果进行去噪处理，得到器官分割结果。
[0016]作为优选方案，所述步骤S1，具体包括：
[0017]S11、确定灰度值目标区间以对医学影像数据进行数据截断；
[0018]S12、对数据截断后保留的医学影像数据使用各向同性的空间体进行重采样；
[0019]S13、对重采样后的医学影像数据进行Z
‑
Score处理。
[0020]作为优选方案，所述步骤S2，具体包括：
[0021]随机选取数个种子点并以种子点为中心扩展到指定尺寸对预处理后的医学影像数据进行数据裁剪；同时也采用滑动窗口，以预设步长对预处理后的医学影像数据进行数据裁剪。
[0022]作为优选方案，所述步骤S5，具体包括：
[0023]Predict＝α*predict
A
+β*predict
B
[0024]其中，Predict为融合结果，predict
A
为器官分割预测结果A，predict
B
为器官分割预测结果B，α、β分别为相应的权重，满足α+β＝1。
[0025]作为优选方案，所述步骤S6中，去噪处理采用提取最大连通区域以去除孤立的噪声区域。
[0026]作为优选方案，所述三维全卷积网络采用Vnet网络。
[0027]本专利技术还提供基于三维全卷积神经网络及区域生长的医学影像器官分割系统，包括：
[0028]数据预处理模块，用于对医学影像数据进行数据预处理；
[0029]数据裁剪模块，用于对数据预处理后的医学影像数据进行数据裁剪；
[0030]低分辨率的三维全卷积网络，以数据裁剪结果作为输入，输出VOI区域；
[0031]重采样模块，用于对VOI区域采用各向同性的空间体重采样，得到重采样后的VOI区域；
[0032]高分辨率的三维全卷积网络，以重采样后的VOI区域作为输入，输出器官分割预测结果A；
[0033]区域生长模块，用于选取VOI区域中各像素点的置信度由高至低排序中的前k个像素点作为初始种子点，以初始种子点进行区域生长，得到器官分割预测结果B；
[0034]融合模块，用于对器官分割预测结果A和器官分割预测结果B进行融合，得到融合结果；
[0035]去噪模块，用于对融合结果进行去噪处理；
[0036]输出模块，用于输出去噪后的融合结果，即器官分割结果。
[0037]作为优选方案，所述对数据预处理后的医学影像数据进行数据裁剪，包括：
[0038]随机选取数个种子点并以种子点为中心扩展到指定尺寸对预处理后的医学影像数据进行数据裁剪；同时也采用滑动窗口，以预设步长对预处理后的医学影像数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于三维全卷积神经网络及区域生长的医学影像器官分割方法，其特征在于，包括以下步骤：S1、对医学影像数据进行数据预处理；S2、对数据预处理后的医学影像数据进行数据裁剪，得到数据裁剪结果；S3、将数据裁剪结果输入低分辨率的三维全卷积网络，输出VOI区域；S4、对VOI区域采用各向同性的空间体重采样，作为高分辨率的三维全卷积网络的输入，得到器官分割预测结果A；选取VOI区域中各像素点的置信度由高至低排序中的前k个像素点作为初始种子点，以初始种子点进行区域生长，得到器官分割预测结果B；其中，k为正整数；S5、对器官分割预测结果A与器官分割预测结果B进行融合，得到融合结果；S6、对融合结果进行去噪处理，得到器官分割结果。2.根据权利要求1所述的基于三维全卷积神经网络及区域生长的医学影像器官分割方法，其特征在于，所述步骤S1，具体包括：S11、确定灰度值目标区间以对医学影像数据进行数据截断；S12、对数据截断后保留的医学影像数据使用各向同性的空间体进行重采样；S13、对重采样后的医学影像数据进行Z
‑
Score处理。3.根据权利要求1所述的基于三维全卷积神经网络及区域生长的医学影像器官分割方法，其特征在于，所述步骤S2，具体包括：随机选取数个种子点并以种子点为中心扩展到指定尺寸对预处理后的医学影像数据进行数据裁剪；同时也采用滑动窗口，以预设步长对预处理后的医学影像数据进行数据裁剪。4.根据权利要求1所述的基于三维全卷积神经网络及区域生长的医学影像器官分割方法，其特征在于，所述步骤S5，具体包括：Predict＝α*predict
A
+β*predict
B
其中，Predict为融合结果，predict
A
为器官分割预测结果A，predict
B
为器官分割预测结果B，α、β分别为相应的权重，满足α+β＝1。5.基于三维全卷积神经网络及区域生长的医学影像器官分割系统，其特征在于，所述步骤S6中，去噪处理采用提取最大连通区域以去除孤立的噪声区域。6....

【专利技术属性】
技术研发人员：刘铭，杨洋，叶宏伟，
申请(专利权)人：浙江明峰智能医疗科技有限公司，
类型：发明
国别省市：