一种医学影像器官精准自动分割方法及系统技术方案

本发明专利技术提供一种医学影像器官精准自动分割方法及系统，方法包括：步骤1：提取器官的轮廓掩模信息；步骤2：利用器官轮廓掩模信息，基于深度神经网络进行目标区域分割；步骤3：对深度神经网络分割的目标区域进行最优化处理。本发明专利技术的医学影像器官精准自动分割方法及系统，使用器官轮廓掩模信息作为训练深度神经网络的输入，有利于解决医学影像中前景(目标)区域太小背景区域太大导致网络训练模型欠拟合或过拟合问题，在保证分割精度的同时，极大地优化了网络训练时间，提高了分割速度。提高了分割速度。提高了分割速度。

【技术实现步骤摘要】
一种医学影像器官精准自动分割方法及系统


[0001]本专利技术属于医学影像
，特别涉及一种医学影像器官精准自动分割方法及系统。

技术介绍

[0002]近年来，由于人们不规律的饮食和作息，导致胰腺疾病的发病率逐年显著上升，尤其是胰腺癌，为致死率最高的肿瘤之一，素有“癌中之王”之称，其五年生存率仅小于1％。早期胰腺癌可通过临床手术的方式加以针对性的治疗，但由于该症发病隐匿，早期无明显症状，严重影响了医生对早期胰腺癌的诊断。通常当病人出现明显消瘦、疼痛等症状时，已经是胰腺癌中晚期，错过了手术最佳时期。即使采取了针对性的临床治疗方案，整体预后情况也并不理想。因此，胰腺癌的早期诊断与治疗，具有重要的研究价值，同时在临床上也具有重要意义。
[0003]随着医疗设备的巨大进步和影像组学技术的迅猛发展，在医学图像上对胰腺解剖结构进行自动检测、分割、分类以及三维重建表征等，能够显著提高临床医生对胰腺疾病的早期诊断率，从而实施更为高效精确的治疗方式。由于胰腺的解剖结构复杂，形态、位置变异较大，周围有大量邻近组织与胰腺紧密相连且密度相似，灰度对比不明显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像器官精准自动分割方法，其特征在于，包括：步骤1：提取器官的轮廓掩模信息；步骤2：利用器官轮廓掩模信息，基于深度神经网络进行目标区域分割；步骤3：对深度神经网络分割的目标区域进行最优化处理。2.根据权利要求1所述的医学影像器官精准自动分割方法，其特征在于，包括：步骤11：获取标注器官区域的标注真实医学影像数据Y＝{y1,y2,
…
y
i
…
}，利用这些标注真实影像数据Y，加入随机噪声，生产噪声医学影像数据N＝{n1,n2,
…
n
i
…
}，其中i表示第i张医学影像切片，y
i
表示第i张医学影像切片的标注真实医学影像数据，n
i
表示第i张医学影像切片的噪声医学影像数据；步骤12：利用Y和N，训练固定点模型，获得上下文目标区域预测函数F及预分割结果g
i
：g
i
＝F(n
i
,y
i
；φ)，φ为训练学习到的参数，该参数用于描述标注真实医学影像数据Y和噪声医学影像数据N之间关系的向量矩阵；步骤13：利用上下文目标区域预测函数F，分别产生轴向面、冠状面和矢状面三个方向的目标区域预测函数：轴向面方向的目标区域预测函数F
A
、冠状面方向的目标区域预测函数F
C
和矢状面方向的目标区域预测函数F
S
；步骤14：对于一个输入待分割三维医学影像数据X＝{x1,x2,
…
x
k
…
}，k表示第k张医学影像切片，x
k
为第k张医学影像切片的影像数据，利用三个方向的目标区域预测函数F
A
、F
C
和F
S
，对应生成三个方向的器官轮廓掩模信息X
A
、X
C
和X
S
，X
A
为轴向面方向的器官轮廓掩模信息，X
C
为冠状面方向的器官轮廓掩模信息，X
S
为矢状面方向的器官轮廓掩模信息。3.根据权利要求1所述的医学影像器官精准自动分割方法，其特征在于，所述深度神经网络包括编码块和解码块，所述编码块和解码块分别采用密集残差U型结构块。4.根据权利要求3所述的医学影像器官精准自动分割方法，其特征在于，所述密集残差U型结构块包括输入卷积层、U型对称编码解码结构块和残差连接层，U型对称编码解码结构块的层数为L。5.根据权利要求4所述的医学影像器官精准自动分割方法，其特征在于，输入卷积层用于把输入的通道数为C
in
的特征图ψ变换为C
out
个通道中间局部特征图B1(ψ)，以提取局部特征信息。6.根据权利要求5所述的医学影像器官精准自动分割方法，其特征在于，U型对称编码解码结构块包括L
‑
2个上采样模块和L
‑
2个上采样模块；L
‑
2个上采样模块依次连接，用于对输入数据执行L
‑
2次次卷积上采样操作，具体包括：上采样、卷积、批量归一化和ReLU激活；L
‑
2个下采样模块依次连接，用于对输入数据执行L
‑
2次次卷积下采样操作，具体包括：下采样、卷积、批量归一化和ReLU激活。7.根据权利要求6所述的医学影像器官精准自动分割方法，其特征在于，包括：设置层数L，提取多尺度空间分辨率的特征图。8.根据权利要求6所述的医学影像器官精准自动分割方法，其特征在于，所述残差连接层用于融合局部特征图B1(ψ)和上下文多尺度特征图U(B1(ψ))。9.根据权利要求3
‑
8中任一项所述的医学影像器官精准自动分割方法，其特征在于，
深度神经网络采用U型结构，包括编码过程和解码过程；编码过程：执行N各编码块，其中，先执行N
‑

【专利技术属性】
技术研发人员：罗雄彪，万英，
申请(专利权)人：万英，
类型：发明
国别省市：