一种基于肺分割的肺叶分割优化方法及系统技术方案

本发明专利技术公开了一种基于肺分割的肺叶分割优化方法及系统，涉及医学图像领域。该方法包括：步骤1，获取第一肺自动分割算法模型的第一输出结果以及第二肺叶自动分割算法模型的第二输出结果，其中，所述第一肺自动分割算法模型的精度大于所述第二肺叶自动分割算法模型；步骤2，将所述第一输出结果与所述第二输出结果点乘，得到每个肺叶的独立掩膜；步骤3，分别获取每个肺叶的独立掩膜的最大连通域矩阵；步骤4，通过对每个最大连通域矩阵进行叠加处理，得到第一优化数据；步骤5，对所述第一优化数据进行计算及剔除处理，得到最终优化结果。本发明专利技术能够达到提高预测精度的效果。

【技术实现步骤摘要】
一种基于肺分割的肺叶分割优化方法及系统
本专利技术涉及医学图像领域，尤其涉及考一种基于肺分割的肺叶分割优化方法及系统。
技术介绍
在医学图像领域，由于训练数据获取较为困难，神经网络的往往难以训练到最优状态，这会导致预测结果的不准确。肺叶分割由于勾画困难，常常只能得到少量的训练样本，因此通常需要对肺叶分割进行后处理，使预测结果中的错误尽量减少。与肺叶相比，肺由于其边界更清晰，勾画难度要小很多，获取训练数据容易很多；同时由于肺的边界特点明确，神经网络的训练也更为容易，预测结果会更加准确。在深度学习肺叶分割预测任务中，常常以mask为监督的方式进行训练。即深度神经网络的输出为一个与原始输入图像尺寸一致的矩阵，且该矩阵每个像素填充为0或1～5的整数，其中，0代表预测该像素位置为非肺部区域，1～5代表该像素位置对应不同的肺叶。这种预测方式，常常会导致预测出的肺叶mask中，每一个肺叶分割可能是不连续的，同时影响肺叶分割预测的准确率。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于肺分割的肺叶分割优化方法及系统。本专利技术解决上述技术问题的技术方案如下：一种基于肺分割的肺叶分割优化方法，包括：步骤1，获取第一肺自动分割算法模型的第一输出结果以及第二肺叶自动分割算法模型的第二输出结果，其中，所述第一肺自动分割算法模型的精度大于所述第二肺叶自动分割算法模型；步骤2，将所述第一输出结果与所述第二输出结果点乘，得到每个肺叶的独立掩膜；步骤3，分别获取每个肺叶的独立掩膜的最大连通域矩阵；步骤4，通过对每个最大连通域矩阵进行叠加处理，得到第一优化数据；步骤5，对所述第一优化数据进行计算及剔除处理，得到最终优化结果。本专利技术的有益效果是：对两个模型输出结果的计算处理可以对输出结果进行优化，在利用肺分割的预测结果对肺叶分割的预测结果进行优化的同时，还结合了肺叶的特性，并且可以对模型处理结果中的错误结果进行校正，使得后处理结果更加精确。进一步，步骤2具体为：将所述第一输出结果与所述第二输出结果点乘，得到第一数据，通过对第一数据进行公式运算得到五个肺叶的独立掩膜。进一步，步骤3具体为：通过对五个掩膜的识别，对应得到五个最大连通域矩阵。进一步，步骤4具体为：步骤401，将五个最大连通域矩阵相加，得到叠加矩阵；步骤402，将所述第一结果与所述叠加矩阵进行异或运算，得到剔除掉属于第一结果且不属于叠加矩阵的第一优化数据。采用上述进一步方案的有益效果是，通过剔除可以使结果更加精化，同时可以使后续的优化效果更佳。进一步，步骤5具体为：步骤501，对所述第一优化数据进行连通域计算，得到标签图像数据；步骤502，对所述标签图像数据中的每一个最大连通域图像数据进行膨胀运算，得到膨胀运算结果，将所述膨胀运算结果中的最大连通域图像数据剔除，得到优化后的第二优化数据；步骤503，将所述第二优化数据与所述第二结果相乘，得到最终优化结果。本专利技术解决上述技术问题的另一种技术方案如下：一种基于肺分割的肺叶分割优化系统，包括：获取模块，用于获取第一肺自动分割算法模型的第一输出结果以及第二肺叶自动分割算法模型的第二输出结果，其中，所述第一肺自动分割算法模型的精度大于所述第二肺叶自动分割算法模型；第一优化模块，用于将所述第一输出结果与所述第二输出结果点乘，得到每个肺叶的独立掩膜；计算模块，用于分别获取每个肺叶的独立掩膜的最大连通域矩阵；第二优化模块，用于通过对每个最大连通域矩阵进行叠加处理，得到第一优化数据；结果模块，用于对所述第一优化数据进行计算及剔除处理，得到最终优化结果。本专利技术的有益效果是：对两个模型输出结果的计算处理可以对输出结果进行优化，在利用肺分割的预测结果对肺叶分割的预测结果进行优化的同时，还结合了肺叶的特性，并且可以对模型处理结果中的错误结果进行校正，使得后处理结果更加精确。进一步，第一优化模块具体用于：将所述第一输出结果与所述第二输出结果点乘，得到第一数据，通过对第一数据进行公式运算得到五个肺叶的独立掩膜。进一步，计算模块具体用于：通过对五个掩膜的识别，对应得到五个最大连通域矩阵。进一步，第二优化模块具体用于：将五个最大连通域矩阵相加，得到叠加矩阵，将所述第一结果与所述叠加矩阵进行异或运算，得到剔除掉属于第一结果且不属于叠加矩阵的第一优化数据。采用上述进一步方案的有益效果是，通过剔除可以使结果更加精化，同时可以使后续的优化效果更佳。进一步，结果模块具体用于：对所述第一优化数据进行连通域计算，得到标签图像数据，对所述标签图像数据中的每一个最大连通域图像数据进行膨胀运算，得到膨胀运算结果，将所述膨胀运算结果中的最大连通域图像数据剔除，得到优化后的第二优化数据，将所述第二优化数据与所述第二结果相乘，得到最终优化结果。本专利技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。附图说明图1为本专利技术一种基于肺分割的肺叶分割优化方法的实施例提供的流程示意图；图2为本专利技术一种基于肺分割的肺叶分割优化系统的实施例提供的结构示意图。附图中，各标号所代表的部件列表如下：100、获取模块，200、第一优化模块，300、计算模块，400、第二优化模块，500、结果模块。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示，一种基于肺分割的肺叶分割优化方法，包括：步骤1，获取第一肺自动分割算法模型的第一输出结果以及第二肺叶自动分割算法模型的第二输出结果，其中，第一肺自动分割算法模型的精度大于第二肺叶自动分割算法模型；步骤2，将第一输出结果与第二输出结果点乘，得到每个肺叶的独立掩膜；步骤3，分别获取每个肺叶的独立掩膜的最大连通域矩阵；步骤4，通过对每个最大连通域矩阵进行叠加处理，得到第一优化数据；步骤5，对第一优化数据进行计算及剔除处理，得到最终优化结果。在一些可能的实施方式中，对两个模型输出结果的计算处理可以对输出结果进行优化，在利用肺分割的预测结果对肺叶分割的预测结果进行优化的同时，还结合了肺叶的特性，并且可以对模型处理结果中的错误结果进行校正，使得后处理结果更加精确。需要说明的是，第一肺自动分割算法模型可以是任意一个肺自动分割算法，第二肺叶自动分割算法模型可以是任意一个肺叶自动分割算法，可以是深度学习算法，也可以是Unet模型，但不限于Unet模型，还可以是传统分割算法，第一肺自动分割算法模型的输出结果是肺掩膜，肺部区域为前景，前景像素填充为1，非肺部区域为背景，背景填充为0；第二肺叶自动分割算法模型的输出结果是肺叶掩膜，左肺上叶、左肺下叶、右肺上叶、右肺本文档来自技高网...

【技术保护点】
1.一种基于肺分割的肺叶分割优化方法，其特征在于，包括：/n步骤1，获取第一肺自动分割算法模型的第一输出结果以及第二肺叶自动分割算法模型的第二输出结果，其中，所述第一肺自动分割算法模型的精度大于所述第二肺叶自动分割算法模型；/n步骤2，将所述第一输出结果与所述第二输出结果点乘，得到每个肺叶的独立掩膜；/n步骤3，分别获取每个肺叶的独立掩膜的最大连通域矩阵；/n步骤4，通过对每个最大连通域矩阵进行叠加处理，得到第一优化数据；/n步骤5，对所述第一优化数据进行计算及剔除处理，得到最终优化结果。/n

【技术特征摘要】
1.一种基于肺分割的肺叶分割优化方法，其特征在于，包括：
步骤1，获取第一肺自动分割算法模型的第一输出结果以及第二肺叶自动分割算法模型的第二输出结果，其中，所述第一肺自动分割算法模型的精度大于所述第二肺叶自动分割算法模型；
步骤2，将所述第一输出结果与所述第二输出结果点乘，得到每个肺叶的独立掩膜；
步骤3，分别获取每个肺叶的独立掩膜的最大连通域矩阵；
步骤4，通过对每个最大连通域矩阵进行叠加处理，得到第一优化数据；
步骤5，对所述第一优化数据进行计算及剔除处理，得到最终优化结果。


2.根据权利要求1所述的一种基于肺分割的肺叶分割优化方法，其特征在于，步骤2具体为：
将所述第一输出结果与所述第二输出结果点乘，得到第一数据，通过对第一数据进行公式运算得到五个肺叶的独立掩膜。


3.根据权利要求2所述的一种基于肺分割的肺叶分割优化方法，其特征在于，步骤3具体为：
通过对五个掩膜的识别，对应得到五个最大连通域矩阵。


4.根据权利要求3所述的一种基于肺分割的肺叶分割优化方法，其特征在于，步骤4具体为：
步骤401，将五个最大连通域矩阵相加，得到叠加矩阵；
步骤402，将所述第一结果与所述叠加矩阵进行异或运算，得到剔除掉属于第一结果且不属于叠加矩阵的第一优化数据。


5.根据权利要求4所述的一种基于肺分割的肺叶分割优化方法，其特征在于，步骤5具体为：
步骤501，对所述第一优化数据进行连通域计算，得到标签图像数据；
步骤502，对所述标签图像数据中的每一个最大连通域图像数据进行膨胀运算，得到膨胀运算结果，将所述膨胀运算结果中的最大连通域图像数据剔除，得到优化后的第二优化数据；
步骤503，将所述第二优化数据与所述第二结果相乘，得到最终优化结果。<...

【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，张莞舒，
申请(专利权)人：慧影医疗科技北京有限公司，
类型：发明
国别省市：北京;11