一种医学图像多器官分割方法及系统技术方案

本发明专利技术公开了一种医学图像多器官分割方法及系统，包括：对获取的待分割的三维CT医学数据进行数据预处理及增强操作；之后进行下采样得到低分辨率数据，输入粗糙阶段分割网络，得到下采样的分割预测结果；将下采样的分割预测结果上采样到原始分辨率，利用粗糙阶段的分割预测结果定位出三维CT医学数据的感兴趣区域并裁剪出来；将感兴趣区域输入基于器官特异性动态调整的精细阶段分割网络进行精细分割；利用迭代细化的低置信预测区域特征增强技术进一步细化分割得到感兴趣区域的分割结果；处理获取的分割结果、原始分辨率和裁剪坐标，还原感兴趣区域至完整CT中的对应位置，通过后处理操作得到最终的分割结果，提高了分割性能与分割精度。分割精度。分割精度。

【技术实现步骤摘要】
一种医学图像多器官分割方法及系统


[0001]本专利技术涉及医学图像处理
，尤其涉及一种医学图像多器官分割方法及系统。

技术介绍

[0002]本部分的陈述仅仅是阐述了与本专利技术相关的
技术介绍
信息，并不必然构成现有技术。
[0003]医学图像分割是指从医学图像中将感兴趣的解剖或病理结构的像素/体素分割出来，是医学图像处理以及分析过程中的重要步骤。医学图像分割作为医学图像处理技术的重要一部分，往往是计算机辅助诊断、放射治疗计划、计算机辅助手术规划、疾病的治疗以及预后等临床应用的预处理步骤，在临床诊断领域发挥着关键作用。然而，传统的手动分割的方法仅仅能依靠有经验的放射科医生来进行，耗时耗力且受到医生主观经验的影响，因此，全自动以及半自动的医学图像分割技术也应运而生。一套完整的计算机辅助医学图像分割方法及系统能够显著的减轻医生的工作负荷，行之有效的辅助医生进行临床实践以及健康研究。
[0004]虽然目前许多学者对于医学图像的全自动以及半自动分割进行了深入的研究，并提出了很多有见地的方法，但大部分方法要想真正的进行临床应用，仍面临本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像多器官分割方法，其特征是：包括以下步骤：获取待分割的三维CT医学数据；对获取的待分割的三维CT医学数据进行数据预处理以及数据增强操作；将预处理以及数据增强之后的三维CT医学数据进行下采样得到低分辨率数据，输入粗糙阶段分割网络，进行初步处理得到下采样的分割预测结果；将下采样的分割预测结果上采样到原始分辨率，利用粗糙阶段的分割预测结果定位出三维CT医学数据的感兴趣区域，将感兴趣区域裁剪出来；将感兴趣区域输入基于器官特异性动态调整的精细阶段分割网络进行精细分割；利用迭代细化的低置信预测区域特征增强技术进一步细化分割得到感兴趣区域的分割结果；将获取的感兴趣区域分割结果与原始分辨率以及裁剪坐标一起进行处理，还原感兴趣区域至完整CT中的对应位置，得到粗糙分割
‑
精细分割的级联网络分割预测结果，进行后处理操作，得到最终的三维CT医学数据的分割结果。2.如权利要求1所述的医学图像多器官分割方法，其特征是：所述对获取的待分割的三维CT医学数据进行数据预处理以及数据增强操作的具体过程包括：调整CT影像数据的窗宽窗位；将所有CT影像重新采样到对应数据集的平均体素间距；将重新采样后的CT影像值裁剪到整个影像值对应的百分位数，利用每个模态影像的均值和标准差进行Z
‑
score归一化；采用随机弹性形变、随机旋转、随机缩放或随机镜像的数据增强方法对CT影像数据进行数据增强。3.如权利要求1所述的医学图像多器官分割方法，其特征是：所述将预处理以及数据增强之后的三维CT医学数据进行下采样得到低分辨率数据，输入粗糙阶段分割网络，进行初步处理得到下采样的分割预测结果的具体过程包括：将CT影像数据进行下采样为固定的预先设置的大小；利用粗分割网络预测粗分割结果。4.如权利要求1所述的医学图像多器官分割方法，所述将下采样的分割预测结果上采样到原始分辨率，利用粗糙阶段的分割预测结果定位出三维CT医学数据的感兴趣区域，将感兴趣区域裁剪出来的具体过程包括：将粗分割结果上采样到原始分辨率，找到非零区域，经验性的向外扩充，得到感兴趣区域包围盒的起始点和终止点的坐标值；利用包围盒坐标裁剪出感兴趣区域，获得去除大部分背景区域且包含前景区域的感兴趣区域。5.如权利要求1所述的医学图像多器官分割方法，所述将感兴趣区域输入基于器官特异性动态调整的精细阶段分割网络进行精细分割的具体过程包括：将裁剪出的感兴趣区域的CT影像数据输入骨干网络进行特征提取；对骨干网络提取的特征执行骨干网络的深度监督机制后，进行卷积操作，得到分割特征图，进行多分类操作；将骨干网络提取的特征输入器官特异性学习模块，输出卷积核...

【专利技术属性】
技术研发人员：周元峰，刘尽华，
申请(专利权)人：山东大学，
类型：发明
国别省市：