【技术实现步骤摘要】
一种用于非对齐多期CT的肝脏病灶分割的图像处理方法
[0001]本专利技术属于医疗图像分割及深度学习领域,尤其涉及一种用于非对齐多期CT的肝脏病灶分割的图像处理方法。
技术介绍
[0002]多期上下文和立体上下文对基于CT图像的肝脏病灶分割是至关重要的。肝脏的病灶往往需要借助造影剂的增强,才能清晰准确地判断病灶的边界和种类。在注射造影剂之前,会先扫描腹部产生一个CT图像的序列,这一序列称之为平扫期(plain phase)。在注射造影剂之后,在两个特定的时间段内,造影剂会随着血液分别流过静脉和动脉,在这两个时间段内分别进行扫描,产生两个CT图像的序列:静脉期(arterial phase),动脉期(portal phase)。在实际操作中会由于病人的移动,呼吸,内脏运动和一些技术原因,导致图像内容在三个序列中并不是像素级对齐的。这给多期上下文和立体上下文的利用带来了困难。
[0003]针对多期上下文的结合,目前较为简单的方法是在输入阶段将多期图像直接拼接或者在提取特征之后将其特征拼接。如(C.Sun,S.Guo,H. ...
【技术保护点】
【技术特征摘要】
1.一种用于非对齐多期CT的肝脏病灶分割的图像处理方法,其特征在于,包括如下步骤:(1)对待预测的CT图像及其平扫期上下文X
p
,动脉期上下文X
a
和静脉期上下文X
v
进行预处理,使其符合网络的输入要求;(2)使用训练好的肝脏病灶分割模型,对预处理后的CT图像进行预测。2.根据权利要求1所述用于非对齐多期CT的肝脏病灶分割的图像处理方法,其特征在于,所述步骤(2)包括如下子步骤:(2.1)使用一个卷积神经网络CNN,提取待预测的CT图像的高层次特征和低层次特征及其对应多个期的上下文的高级特征,平扫期高级特征f
p
、动脉期高级特征f
a
和静脉期高级特征f
v
;(2.2)根据步骤(1.1)中得到的多个期的高级特征f
p
、f
a
和f
v
,使用3D区域对齐模块将多个期的高级特征对齐,并生成多期特征f
m
;(2.3)使用残差立体注意力模块,从步骤(2.2)中生成的多期特征f
m
中,提取多期立体特f
mv
;(2.4)将步骤(2.3)中提取的多期立体特f
mv
,与步骤(2.1)中的低层次特征相结合,使用解码器将其结合,并放大为原图大小,产生分割结果。3.根据权利要求2所述用于非对齐多期CT的肝脏病灶分割的图像处理方法,其特征在于,所述步骤(2.2)如下包括子步骤:(2.2.1)对于f
a
中的每一个特征点,利用非局部注意力,计...
【专利技术属性】
技术研发人员:卜佳俊,吴磊,蔡翔宇,王伟林,丁元,顾静军,秦典,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
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。