一种脊柱影像分割方法、介质及电子设备技术

本发明专利技术提供一种脊柱影像分割方法、介质及电子设备。所述脊柱影像分割方法包括：获取脊柱序列影像；根据所述脊柱序列影像获取三维影像体块；利用一椎骨中心点定位网络对所述三维影像体块进行处理，以获取椎骨内切球检测框，所述椎骨中心点定位网络为一训练好的第一机器学习模型；利用一椎骨中心点细化网络对所述椎骨内切球检测框和所述脊柱序列影像进行处理，以获取精细椎骨中心点坐标，所述椎骨中心点细化网络为一训练好的第二机器学习模型；利用一椎骨分割网络对所述精细椎骨中心点坐标和所述三维影像体块进行处理，以获取脊柱掩膜，所述椎骨分割网络为一训练好的第三机器学习模型。所述脊柱分割方法能够实现精确地脊柱定位和分割。定位和分割。定位和分割。

【技术实现步骤摘要】
一种脊柱影像分割方法、介质及电子设备


[0001]本专利技术涉及一种图像处理方法，特别是涉及一种脊柱影像分割方法、介质及电子设备。

技术介绍

[0002]在医学领域，脊柱结构的精确识别和分割是对脊柱相关疾病进行定性和定量分析的基础。通过提取脊柱区域的影像学特征，并结合脊柱的解剖学先验知识从而实现脊柱的自动识别和分割，可以在慢病筛查、疾病诊断、手术规划和术后评估等多个环节为临床医疗提供辅助。然而，专利技术人在实际应用中发现，脊柱是由大量相似单元构成的特殊链式结构，且脊柱影像存在个体差异较大、摄片参数不统一等问题，现有技术难以实现精确地脊柱定位和分割。

技术实现思路

[0003]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种脊柱影像分割方法、介质及电子设备，用于解决现有技术难以实现精确地脊柱定位和分割的问题。
[0004]为实现上述目的及其他相关目的，本专利技术的第一方面提供一种脊柱影像分割结果，所述脊柱影像分割方法包括：获取脊柱序列影像；根据所述脊柱序列影像获取三维影像体块；利用一椎骨中心点定位网络对所述三维影像体块进行处理，以获取椎骨内切球检测框，其中，所述椎骨中心点定位网络为一训练好的第一机器学习模型；利用一椎骨中心点细化网络对所述椎骨内切球检测框和所述脊柱序列影像进行处理，以获取精细椎骨中心点坐标，其中，所述椎骨中心点细化网络为一训练好的第二机器学习模型；利用一椎骨分割网络对所述精细椎骨中心点坐标和所述三维影像体块进行处理，以获取脊柱掩膜，其中，所述椎骨分割网络为一训练好的第三机器学习模型。
[0005]于所述第一方面的一实施例中，在获取所述三维影像体块以前，所述脊柱影像分割方法还包括：对所述脊柱序列影像进行预处理，以获取空间分辨率和坐标系一致的脊柱序列影像。
[0006]于所述第一方面的一实施例中，所述椎骨中心点定位网络的训练方法包括：获取训练数据，所述训练数据包括训练序列影像、所述训练序列影像中的椎骨类别以及所述训练序列影像中的椎骨中心点位置坐标；根据所述训练序列影像获取多个训练三维影像体块；根据所述训练序列影像中的椎骨类别和椎骨中心点位置坐标，获取所述训练序列影像的金标准内切球检测框；利用所述训练三维影像体块和所述金标准内切球检测框对所述第一机器学习模型进行训练，以获取所述椎骨中心点定位网络。
[0007]于所述第一方面的一实施例中，所述椎骨中心点定位网络的训练方法还包括：对所述训练三维影像体块进行增广处理。
[0008]于所述第一方面的一实施例中，所述椎骨中心点细化网络的训练方法包括：利用所述椎骨中心点定位网络对所述训练序列影像进行处理，以获取训练内切球检测框；根据
所述训练内切球检测框获取训练高斯热力图；根据所述训练高斯热力图和所述训练序列影像获取两通道体块训练图像；根据所述金标准内切球检测框的中心点坐标和半径获取金标准高斯热力图；利用所述两通道体块训练图像和所述金标准高斯热力图对所述第二机器学习模型进行训练，以获取所述椎骨中心点细化网络。
[0009]于所述第一方面的一实施例中，利用所述椎骨中心点细化网络对所述椎骨内切球检测框和脊柱序列影像进行处理，以获取所述精细椎骨中心点坐标的实现方法包括：根据所述椎骨内切球检测框生成第一高斯热力图；根据所述第一高斯热力图和所述脊柱序列影像获取一两通道体块图像；利用所述椎骨中心点细化网络对所述两通道体块图像进行处理，以获取第二高斯热力图；根据所述第二高斯热力图获取所述精细椎骨中心点坐标。
[0010]于所述第一方面的一实施例中，所述训练数据还包括所述训练序列影像的椎骨分割掩膜，所述椎骨分割网络的训练方法包括：利用所述椎骨中心点定位网络对所述训练序列影像进行处理，以获取训练内切球检测框；利用所述椎骨中心点细化网络对所述训练内切球检测框和所述训练序列影像进行处理，以获取椎骨中心点训练坐标；利用所述椎骨中心点训练坐标和所述训练序列影像的椎骨分割掩膜对所述第三机器学习模型进行处理，以获取所述椎骨分割网络。
[0011]于所述第一方面的一实施例中，所述椎骨中心点定位网络包括预测分支、级联的深度卷积网络和基于自注意力机制的深度语言模型，且所述深度卷积网络和所述深度语言模型采用跳层连接的方式相叠加。
[0012]本专利技术的第二方面提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第一方面任一项所述的脊柱影像分割方法。
[0013]本专利技术的第三方面提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本专利技术第一方面任一项所述的脊柱影像分割方法；显示器，与所述处理器和所述存储器通信相连，用于显示所述脊柱影像分割方法的相关GUI交互界面。
[0014]如上所述，本专利技术所述脊柱影像分割方法、介质及电子设备的一个技术方案具有以下有益效果：
[0015]所述脊柱影像分割方法通过将任意显示野的脊柱序列影像拆分为多个三维影像体块，基于此，所述脊柱影像分割方法利用椎骨中心点定位网络粗定位椎骨的中心点位置，利用椎骨中心点细化网络将椎骨的中心点位置进行细化，并基于细化的中心点位置进行椎骨分割，上述三个阶段的输入均为高分辨率的三维影像体块。因此，本专利技术所述脊柱影像分割方法获取的脊柱掩膜具有较高的精确性，且对脊柱序列影像的要求较低，有利于大规模的临床应用。
附图说明
[0016]图1显示为本专利技术所述脊柱影像分割方法于一具体实施例中的流程图。
[0017]图2A显示为本专利技术所述脊柱影像分割方法于一具体实施例中椎骨中心点定位网络训练阶段的流程图。
[0018]图2B显示为本专利技术所述脊柱影像分割方法于一具体实施例中椎骨中心点定位网络测试阶段的流程图。
[0019]图3显示为本专利技术所述脊柱影像分割方法于一具体实施例中椎骨中心点细化网络训练阶段的流程图。
[0020]图4显示为本专利技术所述脊柱影像分割方法于一具体实施例中获取精细椎骨中心点坐标的流程图。
[0021]图5显示为本专利技术所述脊柱影像分割方法于一具体实施例中椎骨分割网络训练阶段的流程图。
[0022]图6显示为本专利技术所述电子设备于一具体实施例中的结构示意图。
[0023]元件标号说明
[0024]600
ꢀꢀꢀꢀꢀꢀꢀ
电子设备
[0025]610
ꢀꢀꢀꢀꢀꢀꢀ
存储器
[0026]620
ꢀꢀꢀꢀꢀꢀꢀ
处理器
[0027]630
ꢀꢀꢀꢀꢀꢀꢀ
显示器
[0028]S11～S15
ꢀꢀ
步骤
[0029]S21～S28
ꢀꢀ
步骤
[0030]S31～S35
ꢀꢀ
步骤
[0031]S41～S44
ꢀꢀ
步骤
[0032]S51～S53
ꢀꢀ
步骤
具体实施方式
[0033]以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脊柱影像分割方法，其特征在于，所述脊柱影像分割方法包括：获取脊柱序列影像；根据所述脊柱序列影像获取三维影像体块；利用一椎骨中心点定位网络对所述三维影像体块进行处理，以获取椎骨内切球检测框，其中，所述椎骨中心点定位网络为一训练好的第一机器学习模型；利用一椎骨中心点细化网络对所述椎骨内切球检测框和所述脊柱序列影像进行处理，以获取精细椎骨中心点坐标，其中，所述椎骨中心点细化网络为一训练好的第二机器学习模型；利用一椎骨分割网络对所述精细椎骨中心点坐标和所述三维影像体块进行处理，以获取脊柱掩膜，其中，所述椎骨分割网络为一训练好的第三机器学习模型。2.根据权利要求1所述的脊柱影像分割方法，其特征在于，在获取所述三维影像体块以前，所述脊柱影像分割方法还包括：对所述脊柱序列影像进行预处理，以获取空间分辨率和坐标系一致的脊柱序列影像。3.根据权利要求1所述的脊柱影像分割方法，其特征在于，所述椎骨中心点定位网络的训练方法包括：获取训练数据，所述训练数据包括训练序列影像、所述训练序列影像中的椎骨类别以及所述训练序列影像中的椎骨中心点位置坐标；根据所述训练序列影像获取多个训练三维影像体块；根据所述训练序列影像中的椎骨类别和椎骨中心点位置坐标，获取所述训练序列影像的金标准内切球检测框；利用所述训练三维影像体块和所述金标准内切球检测框对所述第一机器学习模型进行训练，以获取所述椎骨中心点定位网络。4.根据权利要求3所述的脊柱影像分割方法，其特征在于，所述椎骨中心点定位网络的训练方法还包括：对所述训练三维影像体块进行增广处理。5.根据权利要求3所述的脊柱影像分割方法，其特征在于，所述椎骨中心点细化网络的训练方法包括：利用所述椎骨中心点定位网络对所述训练序列影像进行处理，以获取训练内切球检测框；根据所述训练内切球检测框获取训练高斯热力图；根据所述训练高斯热力图和所述训练序列影像获取两通道体块训练图像；根据所述金标准内切球检测框的中心点坐标和半径获取金...

【专利技术属性】
技术研发人员：郑国焱，陶蓉，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：