一种图像处理方法及装置制造方法及图纸

本申请公开了一种图像处理方法及装置，用以实现对肺部图像中微小复杂管状结构的更加精准的分割，得到更加直观地展示了肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。本申请提供的图像处理方法，包括：将待测样本输入预先基于人体胸腔三维立体图像训练得到的模型中，输出预测结果；其中，所述待测样本包括待测者的人体胸腔三维立体图像；对所述预测结果进行翻转处理，得到包括肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。肺血管树的三维解剖结构信息的图像。肺血管树的三维解剖结构信息的图像。

【技术实现步骤摘要】
一种图像处理方法及装置


[0001]本申请涉及图像
，尤其涉及一种图像处理方法及装置。

技术介绍

[0002]目前，计算机断层扫描(Computed Tomography，CT)影像中肺部微小复杂管状结构(主要为肺气管树、肺动脉树和肺静脉树)的分割方法相对较少，主要是因为受之前计算机算力的限制及如今样本人工标注样本的限制，现有方法多为采用传统的分割算法实现，主要包括基于区域生长、基于水平集以及基于管状滤波增强。但是，这些方法都有各自的缺陷：基于区域生长分割算法对噪声十分敏感，对于末端细小、解剖结构多变的管状结构识别率低，分割效果较差；基于水平集分割算法的分割精度较高，但过分率也较高，且计算量大；基于管状滤波函数分割算法主要是通过对Hessian矩阵进行分析，从而得到肺部管状结构候选区域，但是这类算法容易在管状结构分叉处产生断裂，影响最终的分割结果。

技术实现思路

[0003]本申请实施例提供了一种图像处理方法及装置，用以实现对肺部图像中微小复杂管状结构的更加精准的分割，得到更加直观地展示了肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。
[0004]本申请实施例提供的一种图像处理方法，包括：
[0005]将待测样本输入预先基于人体胸腔三维立体图像训练得到的模型中，输出预测结果；其中，所述待测样本包括待测者的人体胸腔三维立体图像；
[0006]对所述预测结果进行翻转处理，得到包括肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。
[0007]通过该方法，将待测样本输入预先基于人体胸腔三维立体图像训练得到的模型中，输出预测结果；其中，所述待测样本包括待测者的人体胸腔三维立体图像；对所述预测结果进行翻转处理，得到包括肺实质、肺气管树、肺血管树的三维解剖结构信息的图像，从而实现了对肺部图像中微小复杂管状结构的更加精准的分割，得到了更加直观地展示了肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。
[0008]可选地，所述模型是采用如下方式训练得到的：
[0009]基于受检者的胸腔计算机断层扫描CT原始医学数字成像和通信DICOM影像，及预先在所述胸腔CT原始DICOM影像上标注的管状结构掩膜，将所述胸腔CT原始DICOM影像像素的灰度值转换成亨氏单位HU值，并按照临床肺窗要求，处理为适用于观察肺部结构的CT图像；
[0010]基于所述CT图像进行模型训练。
[0011]可选地，该方法还包括对所述CT图像进行如下预处理：
[0012]将所述CT图像和所述管状结构掩膜按照肺区边缘进行剪切，得到包含肺部实质图像的三维长方体图像；
[0013]使用三阶样条插值将所述三维长方体图像的数据统一到相同的间距参数中，得到样本数据。
[0014]可选地，基于所述CT图像进行模型训练，具体包括：
[0015]将所述样本数据分成训练集和测试集，进行模型训练。
[0016]可选地，在所述模型训练的过程中所使用的训练区块大小为128*128*128。
[0017]可选地，该方法还包括：
[0018]得到多次经翻转处理后的预测结果；
[0019]对多次预测结果求平均，最终输出平均结果。
[0020]本申请实施例提供的一种图像处理装置，包括：
[0021]第一单元，用于将待测样本输入预先基于人体胸腔三维立体图像训练得到的模型中，输出预测结果；其中，所述待测样本包括待测者的人体胸腔三维立体图像；
[0022]第二单元，用于对所述预测结果进行翻转处理，得到包括肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。
[0023]本申请另一实施例提供了一种计算设备，其包括存储器和处理器，其中，所述存储器用于存储程序指令，所述处理器用于调用所述存储器中存储的程序指令，按照获得的程序执行上述任一种方法。
[0024]本申请另一实施例提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行上述任一种方法。
附图说明
[0025]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1a为本申请实施例提供的训练模型的输出结果未进行后处理时的示意图；
[0027]图1b为本申请实施例提供的训练模型的输出结果经过后处理之后的示意图；
[0028]图2a为肺部支气管树分割情况下的医师标注标签结果示意图；
[0029]图2b为将本申请实施例提供的技术方案应用于肺部支气管树分割的实例结果示意图；
[0030]图3a为肺部动静脉血管树分割情况下的医师标注标签结果示意图；
[0031]图3b为将本申请实施例提供的技术方案应用于肺部动静脉血管树分割的实例结果示意图；
[0032]图4为本申请实施例提供的一种图像处理方法的流程示意图；
[0033]图5为本申请实施例提供的一种图像处理装置的结构示意图；
[0034]图6为本申请实施例提供的另一种图像处理装置的结构示意图。
具体实施方式
[0035]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于
Interest，ROI)，基于上述步骤b的图像灰度处理结果，对CT图像和对应的人工标注标签进行了如下预处理：
[0046]①
将CT图像和对应的人工标注标签按照肺区边缘进行剪切，得到包含肺部实质图像的三维长方体图像(具体可以采用现有技术实现，此处不再赘述)。
[0047]②
由于CT影像样本数据来源于不同的医院，不同的机器和技师，因此CT影像的体素大小有所差异，为了消除CT体素对模型的影像，在
①
处理的基础上，使用三阶样条插值对所有训练数据(包括CT图像和对应的人工标注标签)进行重采样，将所有的数据统一到相同的间距参数中(例如1.0mm*0.75mm*0.75mm大小)。其中，三阶样条插值是一种常用的插值算法；所述间距参数是指图像的平面分辨率和层间距，例如层间距为1mm，平面分辨率为0.75mm*0.75mm；
[0048]本申请实施例中所使用的图像为三维立体图像，三维立体图像是由一个个体素组成的；并且不同的患者，其图像的体素大小会有所差异，为了降低这种差异对算法效果的影响，可以先对所有的图像进行统一的预处理，将所有患者的影像体素统一。给出层间距和平面分辨率，就给出了预处理后所有患者图像体素大小，例如本申请实施例中给出的体素大小是1.0mm*0.75mm*0.75mm。
[0049]d、基于上述预处理结果，将所得样本数据分成训练集和测试集，其中训练集用于模型的训练，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，该方法包括：将待测样本输入预先基于人体胸腔三维立体图像训练得到的模型中，输出预测结果；其中，所述待测样本包括待测者的人体胸腔三维立体图像；对所述预测结果进行翻转处理，得到包括肺实质、肺气管树、肺血管树的三维解剖结构信息的图像。2.根据权利要求1所述的方法，其特征在于，所述模型是采用如下方式训练得到的：基于受检者的胸腔计算机断层扫描CT原始医学数字成像和通信DICOM影像，及预先在所述胸腔CT原始DICOM影像上标注的管状结构掩膜，将所述胸腔CT原始DICOM影像像素的灰度值转换成亨氏单位HU值，并按照临床肺窗要求，处理为适用于观察肺部结构的CT图像；基于所述CT图像进行模型训练。3.根据权利要求2所述的方法，其特征在于，该方法还包括对所述CT图像进行如下预处理：将所述CT图像和所述管状结构掩膜按照肺区边缘进行剪切，得到包含肺部实质图像的三维长方体图像；使用三阶样条插值将所述三维长方体图像的数据统一到相同的间距参数中，得到样本数据。4.根据权利要求3所述的方法，其特征在于，基于...

【专利技术属性】
技术研发人员：郭又文，李其花，刘于豪，田广野，陈永健，
申请(专利权)人：青岛海信医疗设备股份有限公司，
类型：发明
国别省市：