一种CT图像下肝脏肿瘤的分割方法与装置制造方法及图纸

本发明专利技术公开了一种CT图像下肝脏肿瘤的分割方法与装置，将训练集中每个第一预设尺寸的原始CT图像裁剪为三张相邻的第二预设尺寸的切片，并以中间切片的分割结果作为标签，将对应的三张相邻切片构成一个训练样本；将一个或多个训练样本输入预设网络中进行训练，得到训练好的分割模型；其中，所述预设网络包括预处理模块和全卷积分割网络；对于任一待测CT图像，每次以三张相邻的第一预设尺寸的切片输入至训练好的所述分割模型中，基于联合损失函数得到中间切片的分割结果。本方案可有效解决传统肝脏肿瘤图像分割存在的问题，解决肝脏CT图像成像差异大和肿瘤形状大小不一等问题，提升肝脏肿瘤自动分割方法的性能与效果。肝脏肿瘤自动分割方法的性能与效果。肝脏肿瘤自动分割方法的性能与效果。

【技术实现步骤摘要】
一种CT图像下肝脏肿瘤的分割方法与装置


[0001]本专利技术属于图像分割
，更具体地，涉及一种CT图像下肝脏肿瘤的分割方法与装置。

技术介绍

[0002]肝脏是人体必需的器官之一，具有代谢和解毒等功能，而肝癌是目前世界上最普遍的癌症之一，严重威胁着人类的生命健康。随着医学成像技术的发展，计算机断层扫描(Computed Tomography，简写为CT)、磁共振成像等影像学检查在临床诊断中已经大规模应用，其中CT技术是肝脏肿瘤检查和诊断中最常用的手段。目前肝脏肿瘤的治疗方法主要包括手术切除、消融治疗、放射治疗等，但无论是哪种治疗手段，都需要精确了解肿瘤的大小、形状、位置等信息。因此，基于肝脏区域的医学影像实现肝脏肿瘤的精准分割是肝脏肿瘤治疗的首要任务。
[0003]目前肝脏肿瘤分割的挑战性主要体现在以下两个方面：一是肿瘤的大小不一、形状多变，位置和数目也不固定；二是不同的成像设备与图像采集方案、不同的造影剂、不同水平的对比度增强和不同的扫描分辨率等因素，都会给肝脏和肿瘤的成像带来不可预测的强度差异，造成边界模糊、密度和灰度不均、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CT图像下肝脏肿瘤的分割方法，其特征在于，包括：将训练集中每个第一预设尺寸的原始CT图像裁剪为三张相邻的第二预设尺寸的切片，并以中间切片的分割结果作为标签，将对应的三张相邻切片构成一个训练样本；将一个或多个训练样本输入预设网络中进行训练，得到训练好的分割模型；其中，所述预设网络包括预处理模块和全卷积分割网络；对于任一待测CT图像，每次以三张相邻的第一预设尺寸的切片输入至训练好的所述分割模型中，基于联合损失函数得到中间切片的分割结果。2.如权利要求1所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述预处理模块用于对输入的训练样本进行CT图像预处理，具体包括一个卷积层和一个激活层；其中，所述卷积层的卷积核大小为1
×
1，用于对输入的训练样本进行卷积处理；所述激活层用于对输入的训练样本进行激活处理。3.如权利要求2所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述预处理模块对训练样本的预处理公式具体为：其中，常数U为窗口函数的上界，W和b均为卷积层的参数，x为原始CT图像的CT值。4.如权利要求1所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述全卷积分割网络包括编码器和解码器；所述编码器用于对预处理后的输入图像进行编码，进而产生低分辨率的特征表示；所述解码器用于根据低分辨率的特征表示对输入图像产生像素级别的分割预测。5.如权利要求4所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述编码器采用DenseNet结构，包括至少两个Dense模块；其中，所述Dense模块的生长率为48
±
2，每两个相邻Dense模块之间的过渡层的压缩率为0.5
±
0.02。6.如权利要求5所述的CT图像下肝脏肿瘤的分割方法，其特征在于，所述解码器包括至少两个不同尺度的上采样模块；其中，每个上采样模块通过所述编码器的D...

【专利技术属性】
技术研发人员：尤新革，彭勤牧，黄子轩，朱文强，
申请(专利权)人：深圳华中科技大学研究院，
类型：发明
国别省市：