异位骨化CT图像分割方法、三维重建方法、装置制造方法及图纸

本发明专利技术公开了一种异位骨化CT图像分割方法、三维重建方法、装置，其中分割方法包括：获取患者的异位骨化CT图像；将异位骨化CT图像输入预先训练好的CT图像自编码器中，输出重构CT图像；将原始异位骨化CT图像逐像素减去重构CT图像，获得残差CT图像；通过降噪处理，获得异常区域；将异常区域变换为与原始异位骨化CT图像尺寸一致的图像掩模；将图像掩模与原始异位骨化CT图像逐像素相乘，获得分割出来的异常图像。该方案能够从CT图像中自动分割出异位骨化部分，可便于三维重建异位骨化的立体视图，可大大提高医生看片的速度，也可帮助低年资医生或者经验不足者准确发现异位骨化部分。或者经验不足者准确发现异位骨化部分。或者经验不足者准确发现异位骨化部分。

【技术实现步骤摘要】
异位骨化CT图像分割方法、三维重建方法、装置


[0001]本专利技术涉及医学图像处理
，尤其涉及一种异位骨化CT图像分割方法、三维重建方法、装置。

技术介绍

[0002]为了检查患者是否存在异位骨化，一般是通过CT扫描。如图1(a)所示为异位骨化的CT扫描横断面，其中框出部分为异位骨化的位置，图1(b)为异位骨化的CT扫描矢状位，其中框出部分为异位骨化的位置，图1(c)为将异位骨化的CT扫描图三维重建后所得到的立体视图，其中深颜色部分是三维重建后的异位骨化部位。但是由于异位骨化的图像与正常骨头图像相似，因此从CT扫描图像中辨识出其中异位骨化的部位需要丰富的临床影像学经验，低年资医生或者经验不足者难以准确发现，这极大的限制了医生看片的效率和预估异位骨化患者的病情进展情况。

技术实现思路

[0003]本专利技术提供了一种异位骨化CT图像分割方法、三维重建方法、装置，目的在于辅助识别出CT扫描图像中异位骨化的部位，以提高医生看片的效率。
[0004]第一方面，提供了一种异位骨化CT图像分割方法，包括：
[0005]获取患者的异位骨化CT图像；
[0006]将异位骨化CT图像输入预先训练好的CT图像自编码器中，输出重构CT图像；其中，CT图像自编码器通过多张正常人CT图像对自编码器进行训练得到；
[0007]将原始异位骨化CT图像逐像素减去重构CT图像，获得残差CT图像；
[0008]对残差CT图像进行降噪处理，获得图像掩模；
[0009]将图像掩模与原始异位骨化CT图像逐像素相乘，获得分割出来的异常图像。
[0010]异常样本相对于正常样本要少很多，难以获得；其次，异常样本中的异常区域难以发现，需要经验丰富的医生才能进行标注，因此标注工作耗时耗力，难以获得准确的标注信息；本方案采用了自编码器，其为一种无监督的图像分割方法，训练时无需异常样本，并不需要样本标注，大大降低了数据的获取难度。本方案能够从CT图像中自动分割出异位骨化部分，可便于三维重建异位骨化的立体视图，可大大提高医生看片的速度，也可帮助低年资医生或者经验不足者准确发现异位骨化部分。
[0011]进一步地，所述对残差CT图像进行降噪处理，获得图像掩模，具体包括：
[0012]对残差CT图像进行二值化处理；将灰度值小于预设阈值p的像素灰度值设置为0，将灰度值大于预设阈值p的像素灰度值设置为1；
[0013]通过腐蚀操作过滤掉残差CT图像中的噪声点；
[0014]将残差CT图像中灰度值为1的像素连续数量大于预设第一阈值的区域分割出来，获得图像掩模。
[0015]进一步地，将异位骨化CT图像输入预先训练好的自编码器中之前，还包括：
[0016]将异位骨化CT图像进行预处理，增强图像的细节和对比度。通过预处理以增强图像的细节和对比度，有利于提高后期的分割效果。
[0017]进一步地，所述预先训练好的CT图像自编码器通过如下方法得到：
[0018]获取多张正常人的CT图像构建训练数据集；
[0019]将正常人的CT图像X作为一批数据输入自编码器，获得重构图像X
’
；
[0020]用损失函数计算重构图像X
’
与输入的正常人的CT图像X之间的重构误差L；
[0021]将重构误差L进行反向传播，修改自编码器中神经网络的参数；
[0022]基于训练数据集重复上述训练过程，直到自编码器中神经网络收敛，得到CT图像自编码器。
[0023]进一步地，所述获取多张正常人的CT图像构建训练数据集包括：
[0024]获取多张正常人的CT图像作为样本；
[0025]对多张正常人的CT图像进行图像增强处理，得到扩充图像样本；其中，图像增强处理包括加入噪声因子、旋转、上下翻转、剪切、灰度图中的一种或多种；
[0026]将原始多张正常人的CT图像和扩充图像样本组合得到训练数据集。
[0027]在样本有限的情况下扩大训练样本的数量，从而以提高CT图像自编码器的精度。
[0028]进一步地，所述损失函数为SSIM损失函数，其表达式如下：
[0029][0030]其中，u
x
是正常人的CT图像X的灰度值均值，u
x
′
是重构图像X
’
的灰度值均值，σ
x
是正常人的CT图像X的灰度值标准差，σ
x
′
是重构图像X
’
的灰度值标准差，c1＝(LK1)2，c2＝(LK2)2，K1和K2为预设参数，L为图像灰度级数。K1＝0.01，K2＝0.03，对于8
‑
bit灰度图像，L＝255。
[0031]采用了一种基于结构相似性的感知损失函数，它检查局部图像区域之间的相互依赖关系，同时考虑亮度、对比度和结构信息，而不是简单地比较单个像素值。能更好地发现异常区域，并使分割出的区域与人眼感官一致。
[0032]进一步地，所述自编码器为卷积编码器。卷积自编码器利用卷积网络可提升对图像特征抽取和表示的性能。
[0033]第二方面，提供了一种异位骨化CT图像分割三维重建方法，包括：
[0034]获取一组患者的异位骨化CT图像；
[0035]采用如上所述的异位骨化CT图像分割方法对所述一组患者的异位骨化CT图像进行分割，得到分割出来的一组异常图像；
[0036]基于所述一组异常图像生成三维重建图像。
[0037]通过将分割出来的一组异常图像三维重建成立体视图，便于提高看片效率。
[0038]第三方面，提供了一种异位骨化CT图像分割装置，包括：
[0039]图像获取模块，用于获取患者的异位骨化CT图像；
[0040]重构图像获取模块，用于将异位骨化CT图像输入预先训练好的CT图像自编码器中，输出重构CT图像；其中，CT图像自编码器通过多张正常人CT图像对自编码器进行训练得到；
[0041]残差图像获取模块，用于将原始异位骨化CT图像逐像素减去重构CT图像，获得残
差CT图像；
[0042]图像掩模获取模块，用于对残差CT图像进行降噪处理，获得图像掩模；
[0043]分割模块，用于将图像掩模与原始异位骨化CT图像逐像素相乘，获得分割出来的异常图像。
[0044]第四方面，提供了一种计算机存储介质，其存储有计算机程序，该计算机程序适于被处理器加载并执行如上所述的异位骨化CT图像分割方法或异位骨化CT图像分割三维重建方法。
[0045]有益效果
[0046]本专利技术提出了一种异位骨化CT图像分割方法、三维重建方法、装置，其能够从CT图像中自动分割出异位骨化部分，可便于三维重建异位骨化的立体视图，可大大提高医生看片的速度，也可帮助低年资医生或者经验不足者准确发现异位骨化部分。异常样本相对于正常样本要少很多，难以获得；其次，异常样本中的异常区域难以发现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异位骨化CT图像分割方法，其特征在于，包括：获取患者的异位骨化CT图像；将异位骨化CT图像输入预先训练好的CT图像自编码器中，输出重构CT图像；其中，CT图像自编码器通过多张正常人CT图像对自编码器进行训练得到；将原始异位骨化CT图像逐像素减去重构CT图像，获得残差CT图像；对残差CT图像进行降噪处理，获得图像掩模；将图像掩模与原始异位骨化CT图像逐像素相乘，获得分割出来的异常图像。2.根据权利要求1所述的异位骨化CT图像分割方法，其特征在于，所述对残差CT图像进行降噪处理，获得图像掩模，具体包括：对残差CT图像进行二值化处理；通过腐蚀操作过滤掉残差CT图像中的噪声点；将残差CT图像中灰度值为1的像素连续数量大于预设第一阈值的区域分割出来，获得图像掩模。3.根据权利要求1所述的异位骨化CT图像分割方法，其特征在于，将异位骨化CT图像输入预先训练好的自编码器中之前，还包括：将异位骨化CT图像进行预处理，增强图像的细节和对比度。4.根据权利要求1所述的异位骨化CT图像分割方法，其特征在于，所述预先训练好的CT图像自编码器通过如下方法得到：获取多张正常人的CT图像构建训练数据集；将正常人的CT图像X作为一批数据输入自编码器，获得重构图像X
’
；用损失函数计算重构图像X
’
与输入的正常人的CT图像X之间的重构误差L；将重构误差L进行反向传播，修改自编码器中神经网络的参数；基于训练数据集重复上述训练过程，直到自编码器中神经网络收敛，得到CT图像自编码器。5.根据权利要求4所述的异位骨化CT图像分割方法，其特征在于，所述获取多张正常人的CT图像构建训练数据集包括：获取多张正常人的CT图像作为样本；对多张正常人的CT图像进行图像增强处理，得到扩充图像样本；其中，图像增强处理包括加入噪声因子、旋转、上下翻转、剪切、灰度图中的一...

【专利技术属性】
技术研发人员：成亮，江梦，林涨源，朱勇，
申请(专利权)人：中南大学湘雅医院，
类型：发明
国别省市：