降低医学图像病灶分割结果假阳率的系统及方法技术方案

本发明专利技术提供了一种降低医学图像病灶分割结果假阳率的系统及方法，包括：模块M1：获取医学图像；模块M2：利用分割技术对获取的医学图像进行组织分割和病灶分割，分别得到第一组织区域和第一病灶区域；模块M3：对第一组织区域进行膨胀操作，得到第二组织区域；模块M4：对第一病灶区域与第二组织区域进行假阳性降低处理，得到第二病灶区域，第二病灶区域为降低假阳率病灶检测分割结果。通过医学图像分割的解剖组织结构和病灶的空间膨胀和卷积方法，解决了病灶分割结果假阳率高的问题，取得了提高病灶诊断正确性与分割精准度的效果。灶诊断正确性与分割精准度的效果。灶诊断正确性与分割精准度的效果。

【技术实现步骤摘要】
降低医学图像病灶分割结果假阳率的系统及方法


[0001]本专利技术涉及医学图像处理
，具体地，涉及降低医学图像病灶分割结果假阳率的系统及方法。

技术介绍

[0002]专利文献CN109859205B(申请号：201910133908.2)公开了一种斑块检测方法及设备，所述方法包括：获取血管影像的拉直图像和参考图像；利用分割技术对所述拉直图像进行斑块定位筛选，得到第一狭窄区域，所述第一狭窄区域为对应所述血管影像中斑块模糊定位的区域；创建所述参考图像的特征曲线；在所创建的所述参考图像的特征曲线上对所得到的第一狭窄区域进行假阳分析，从而得到第二狭窄区域，所述第二狭窄区域为对应所述血管影像中斑块精准定位的区域。
[0003]专利文献CN108171698A(申请号：201810022147.9)公开了一种自动检测人体心脏冠脉钙化斑块的方法，包括步骤：S1、采用深度学习神经网络对冠脉CTA序列原始图进行分割，获得人体心脏冠脉提取图；S2、对人体心脏冠脉提取图进行处理，生成各分支血管的拉直图片；S3、对各拉直图片进行血管分割，获得各分支血管的拉直血管图；S4、调整窗宽窗位，对各拉直血管图计算其整幅图像的像素值，若其存在像素值大于220的像素点，则判定为存在钙化斑块，筛选出带有钙化斑块的拉直血管图；S5、将带有钙化斑块的拉直血管图转化为灰度图，对灰度值大于220的像素点填充颜色，获得钙化斑块提取结果；S6、计算血管狭窄率，获得量化值。
[0004]专利文献CN108765363A(申请号：201810248396.X)公开了一种基于人工智能的冠脉CTA自动后处理系统，包括：数据获取模块，所述数据获取模块从Dicom服务器中获取Dicom格式的原始图像序列；血管分割模块，所述血管分割模块对获取的原始图像序列进行血管分割，获得血管分割结果；中心线提取模块，所述中心线提取模块根据所述血管分割结果，提取血管中心线；血管分段模块，所述血管分段模块对提取出的血管中心线做分段处理，并对每个分段血管命名；图像后处理模块，所述图像后处理模块根据原始的原始图像序列及分段的血管中心线生成所需的医学图像；人机交互模块，输出所生成的医学图像结果。
[0005]以上现有技术中都是通过血管拉直重建后的直径，进行血管狭窄的判断、间接判断斑块病灶的存在和假阳性情况，而并不是直接针对斑块分割结果进行假阳性消除，方法复杂、容易造成病灶漏检。
[0006]专利文献CN111047609B(申请号：202010173149.5)公开了一种肺炎病灶分割方法和装置，解决了现有肺炎病灶分割方式的准确率低和效率低的问题。该肺炎病灶分割方法包括：基于图像语义分割模型预测出阳性层面的医学影像数据上的病灶区域；以及统计各平行层面的病灶面积，并结合各平行层面的病灶面积计算出病灶体积；其中，图像语义分割模型通过如下训练步骤建立：将全部已标记或部分已标记的样本数据输入病灶分割模型，以获得病灶分割模型输出的预测结果；基于病灶检测模型预测的病灶检测框以及肺叶肺段分割模型预测出的肺部区域，从预测结果中筛除低级假阳区域以获得样本数据的伪标签，
并加入未标记的样本数据；以及复查伪标签，并对标记的样本数据进行标记以更新已标记的样本数据。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种降低医学图像病灶分割结果假阳率的系统及方法。
[0008]根据本专利技术提供的一种降低医学图像病灶分割结果假阳率的系统，包括：
[0009]模块M1：获取医学图像；
[0010]模块M2：利用分割技术对获取的医学图像进行组织分割和病灶分割，分别得到第一组织区域和第一病灶区域；
[0011]模块M3：对第一组织区域进行膨胀操作得到第二组织区域；
[0012]模块M4：对第一病灶区域与第二组织区域进行假阳性降低处理，得到第二病灶区域，第二病灶区域为降低假阳率病灶检测分割结果。
[0013]优选地，所述医学图像是通过包括磁共振成像、计算机断层扫描成像、超声成像、正电子发射断层显像或病理切片扫描技术获取的图像。
[0014]优选地，在所述模块M2中，所述第一组织区域为对应医学图像中组织的分割区域。
[0015]在所述模块M2中，所述第一病灶区域为对应医学图像中病灶粗分割的区域。
[0016]所述分割技术采用人工、半自动分割技术或基于人工智能的全自动分割技术。
[0017]优选地，在所述模块M3中，
[0018]模块M3.1：提取第一组织区域在x,y,z三个方向分辨率，分别为r
x
,r
y
,r
z
；
[0019]模块M3.2：将第一组织区域T1延r
x
,r
y
,r
z
中最大值对应的方向逐层选取；
[0020]模块M3.3：将第i层组织分割区域t
i
作为第i层的膨胀卷积核k
i
，分割区域的几何中心为膨胀卷积核中心；
[0021]模块M3.4：将第i层组织分割区域t
i
与膨胀卷积核k
i
进行卷积运算，得到第i层膨胀后组织区域t'
i
；当第i层组织分割区域t
i
存在多个连通区域，则对每一个连通区域进行单独膨胀处理；
[0022]模块M3.6：最终得到的所有层的膨胀后组织区域为第二组织区域。
[0023]优选地，在所述模块M4中，将第一病灶区域覆盖到第二组织区域上，消除第一病灶区域中与第二组织区域没有任何重叠部分的区域，保留重叠部分得到第二病灶区域。
[0024]根据本专利技术提供的一种降低医学图像病灶分割结果假阳率的方法，包括：
[0025]步骤S1：获取医学图像；
[0026]步骤S2：利用分割技术对获取的医学图像进行组织分割和病灶分割，分别得到第一组织区域和第一病灶区域；
[0027]步骤S3：对第一组织区域进行膨胀操作得到第二组织区域；
[0028]步骤S4：对第一病灶区域与第二组织区域进行假阳性降低处理，得到第二病灶区域，第二病灶区域为降低假阳率病灶检测分割结果。
[0029]优选地，所述医学图像是通过包括磁共振成像、计算机断层扫描成像、超声成像、正电子发射断层显像或病理切片扫描技术获取的图像。
[0030]优选地，在所述步骤S2中，所述第一组织区域为对应医学图像中组织的分割区域。
[0031]在所述步骤S2中，所述第一病灶区域为对应医学图像中病灶粗分割的区域。
[0032]所述分割技术采用人工、半自动分割技术或基于人工智能的全自动分割技术。
[0033]优选地，在所述步骤S3中，
[0034]步骤S3.1：提取第一组织区域在x,y,z三个方向分辨率，分别为r
x
,r
y
,r
z
；
[0035]步骤S3.2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种降低医学图像病灶分割结果假阳率的系统，其特征在于，包括：模块M1：获取医学图像；模块M2：利用分割技术对获取的医学图像进行组织分割和病灶分割，分别得到第一组织区域和第一病灶区域；模块M3：对第一组织区域进行膨胀操作得到第二组织区域；模块M4：对第一病灶区域与第二组织区域进行假阳性降低处理，得到第二病灶区域，第二病灶区域为降低假阳率病灶检测分割结果。2.根据权利要求1所述的降低医学图像病灶分割结果假阳率的系统，其特征在于，所述医学图像是通过包括磁共振成像、计算机断层扫描成像、超声成像、正电子发射断层显像或病理切片扫描技术获取的图像。3.根据权利要求1所述的降低医学图像病灶分割结果假阳率的系统，其特征在于，在所述模块M2中，所述第一组织区域为对应医学图像中组织的分割区域。在所述模块M2中，所述第一病灶区域为对应医学图像中病灶粗分割的区域。所述分割技术采用人工、半自动分割技术或基于人工智能的全自动分割技术。4.根据权利要求1所述的降低医学图像病灶分割结果假阳率的系统，其特征在于，在所述模块M3中，模块M3.1：提取第一组织区域在x,y,z三个方向分辨率，分别为r
x
,r
y
,r
z
；模块M3.2：将第一组织区域T1延r
x
,r
y
,r
z
中最大值对应的方向逐层选取；模块M3.3：将第i层组织分割区域t
i
作为第i层的膨胀卷积核k
i
，分割区域的几何中心为膨胀卷积核中心；模块M3.4：将第i层组织分割区域t
i
与膨胀卷积核k
i
进行卷积运算，得到第i层膨胀后组织区域t'
i
；当第i层组织分割区域t
i
存在多个连通区域，则对每一个连通区域进行单独膨胀处理；模块M3.6：最终得到的所有层的膨胀后组织区域为第二组织区域。5.根据权利要求1所述的降低医学图像病灶分割结果假阳率的系统，其特征在于，在所述模块M4中，将第一病灶区域覆盖到第二组织区域上，消除第一病灶区域中与第二组织区域没有任何重叠部分的区域，保留重叠部分得到第二病灶区域。6.一种降低医...

【专利技术属性】
技术研发人员：杨丽琴，罗啸，吴秋雯，胡斌，周书怡，耿辰，耿道颖，
申请(专利权)人：复旦大学附属华山医院，
类型：发明
国别省市：