【技术实现步骤摘要】
三维断层扫描图像中树状结构的语义分割方法和装置
本申请涉及医学图像处理
，尤其涉及一种三维断层扫描图像中树状结构的语义分割方法和装置。
技术介绍
计算机断层扫描技术利用人体不同组织对X射线的透过率与吸收率差异，能够在不进行外科手术的前提下为医生提供人体内的三维解剖学视野，具有扫描速度快、分辨率高等优点，是一种主流的医学成像方式。三维断层扫描图像中的解剖学树状结构包括气管、动脉、静脉等，对这些结构进行检查与分析是诊断与治疗相关疾病的重要辅助手段。以胸部断层扫描图像为例，它能够反映患者肺部与气管树的解剖结构与生理状况，在新型冠状病毒肺炎(COVID-19)、间质性肺炎、肺部肿瘤等多种疾病的诊断、治疗、预后与随访的各个阶段发挥着重要作用。近年来，随着计算机理论的飞速发展，基于医学图像的计算机辅助医疗技术，如胸部断层扫描图像中的气管树自动提取、肺结节检测、肺部肿瘤定位等任务已经得到了大量研究和广泛应用。解剖学树状结构的语义分割任务可以看成是传统整体树状结构提取任务的延伸。以基于胸部断层扫描图像的气管树语义分割为例，是指...
【技术保护点】
1.一种三维断层扫描图像中树状结构的语义分割方法，其特征在于，包括以下步骤：/n获取一张待测试的三维断层扫描图像；/n对所述图像进行预处理，得到预处理后的图像，其中，所述预处理包括统一图像分辨率、将图像裁剪至统一尺寸、图像灰度值归一化；/n将所述预处理后的图像输入树状结构语义分割网络中，得到图像对应的语义分割预测结果。/n
【技术特征摘要】
1.一种三维断层扫描图像中树状结构的语义分割方法，其特征在于，包括以下步骤：
获取一张待测试的三维断层扫描图像；
对所述图像进行预处理，得到预处理后的图像，其中，所述预处理包括统一图像分辨率、将图像裁剪至统一尺寸、图像灰度值归一化；
将所述预处理后的图像输入树状结构语义分割网络中，得到图像对应的语义分割预测结果。
2.如权利要求1所述的方法，其特征在于，构建所述树状结构语义分割网络，其中，所述树状结构语义分割网络包括特征提取模块和推断模块，所述特征提取模块包括多任务网络提取模块和图卷积网络特征提取模块。
3.如权利要求1或2所述的方法，其特征在于，离线训练所述树状结构语义分割网络，所述离线训练包括以下步骤：
获取原始数据集，对所述原始数据集进行所述预处理，生成预处理后的数据集，其中，所述预处理后的数据集中的各张图像与所述预处理后的图像的分辨率、尺寸相同，且包含同一解剖学树状结构；
对所述预处理后的数据集进行标注，生成人工标注结果，所述人工标注结果包括树状结构分叉关键点、树状结构整体分割标注和树状结构语义分割标注；
根据所述人工标注结果对所述预处理后的数据集进行数据准备，生成训练数据集；
将所述训练数据集输入所述多任务网络提取模块进行预训练，得到多任务网络参数；
根据所述多任务网络参数对所述树状结构语义分割网络进行整体训练，得到语义分割算法网络参数。
4.如权利要求3所述的方法，其特征在于，所述对所述预处理后的数据集进行标注，包括以下步骤：
应用医学图像处理软件对所述预处理后的数据集中的每张图像进行人工标注，所述人工标注的内容包括预定义的树状结构分叉关键点和树状结构整体分割标注；
基于所述树状结构分叉关键点和所述树状结构整体分割标注，使用自动化方法生成数据集中每张图像对应的树状结构语义分割标注，之后进行手工修正，完成标注。
5.如权利要求3所述的方法，其特征在于，所述对所述预处理后的数据集进行数据准备，具体过程为根据所述人工标注结果生成概率热图、整体分割概率图、语义分割概率图，预处理后的数据集中的每张图像和对应的概率热图、整体分割概率图、语义分割概率图构成一个训练数据对，所有的训练数据对共同构成所述训练数据集。
6.如权利要求3所述的方法，其特征在于，所述将所述训练数据集输入所述多任务网络提取模块进行预训练包括以下步骤：
从所述训练数据集中随机选取一个训练数据对，将所述训练数据对中的图像输入所述多任务网络模块中，输出三个任务的预测结果；
将所述三个任务的预测结果和所述训练数据对中三个任务的预测目标分别输入各任务对应的损失函数中，得到损失函数值，完成一次预训练，其中，所述损失函数为：
其中，分别为关键点检测任务、树状结构整体分割任务、语义分...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。