三维脑中线分割方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请公开了一种三维脑中线分割方法、装置、设备、存储介质及程序产品，属于图像处理技术领域。该方法包括：通过特征编码器对样本三维脑部图像进行特征编码，得到样本编码特征图；基于样本编码特征图进行病灶区域预测、脑中线分割预测以及理想脑中面预测，得到病灶区域预测结果、脑中线分割预测结果以及理想脑中面预测结果；基于病灶区域预测结果、脑中线分割预测结果以及理想脑中面预测结果，联合训练特征编码器。该方法通过额外增加病灶区域预测任务和理想脑中面预测任务，可以提高特征编码网络对于脑中线分割预测中相关特征的特征提取准确性，从而进一步提高脑中线分割预测任务的准确性。的准确性。的准确性。

【技术实现步骤摘要】
三维脑中线分割方法、装置、设备、存储介质及程序产品


[0001]本申请涉及图像处理
，特别涉及一种三维脑中线分割方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]在医疗领域中，脑中线是分隔左右半脑的解剖结构，如何快速且准确的进行脑中线识别，在临床及科研等领域都具有很重要的作用。
[0003]相关技术中通常会基于二维脑部图像来识别脑中线，然而，这样识别的脑中线是二维平面的一条曲线，仅根据一条曲线无法知道大脑内部的具体解剖结构，不利于确定用户的大脑状态，因此，如何准确预测三维脑中线对于医生后续诊断和治疗具有重要的作用。

技术实现思路

[0004]本申请提供了一种三维脑中线分割方法、装置、设备、存储介质及程序产品。所述技术方案如下：
[0005]根据本申请的一个方面，提供了一种三维脑中线分割方法，所述方法包括：
[0006]通过特征编码器对样本三维脑部图像进行特征编码，得到样本编码特征图；
[0007]基于所述样本编码特征图进行病灶区域预测、脑中线分割预测以及理想脑中面预测，得到病灶区域预测结果、脑中线分割预测结果以及理想脑中面预测结果；
[0008]基于所述病灶区域预测结果、所述脑中线分割预测结果以及理想脑中面预测结果，联合训练所述特征编码器。
[0009]根据本申请的另一方面，提供了一种三维脑中线分割装置，所述装置包括：
[0010]特征编码模块，用于通过特征编码器对样本三维脑部图像进行特征编码，得到样本编码特征图；
[0011]多任务分割预测模块，用于基于所述样本编码特征图进行病灶区域预测、脑中线分割预测以及理想脑中面预测，得到病灶区域预测结果、脑中线分割预测结果以及理想脑中面预测结果；
[0012]训练模块，用于基于所述病灶区域预测结果、所述脑中线分割预测结果以及理想脑中面预测结果，联合训练所述特征编码器。
[0013]根据本申请的另一方面，提供了一种计算机设备，计算机设备包括：处理器和存储器，存储器存储有计算机程序，计算机程序由处理器加载并执行以实现如上述方面所述的三维脑中线分割方法。
[0014]根据本申请的另一方面，提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序由处理器加载并执行以实现如上所述的三维脑中线分割方法。
[0015]根据本申请的另一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述
三维脑中线分割方法。
[0016]本申请实施例提供的技术方案带来的有益效果至少包括：
[0017]提供了一种三维脑中线分割方式：通过对样本三维脑部图像进行特征编码，并分别基于特征编码结果(样本编码特征图)进行多任务预测(病灶区域预测、脑中线分割预测以及理想脑中面预测)，由于病灶区域会对脑中线结构造成侧向偏移、理想脑中面与三维脑中线所在位置相近，因此，通过额外增加病灶区域预测任务和理想脑中面预测任务，可以提高特征编码网络对于脑中线分割预测中相关特征的特征提取准确性，从而进一步提高脑中线分割预测任务的准确性。
附图说明
[0018]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单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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。
[0019]图1是本申请一个示例性实施例示出的计算机系统的示意图；
[0020]图2示出了本申请一个示例性实施例提供的三维脑中线分割方法的流程图；
[0021]图3示出了本申请另一个示例性实施例提供的三维脑中线分割方法的流程图；
[0022]图4示出了本申请一个示例性实施例示出的模型训练过程的示意图；
[0023]图5示出了本申请另一个示例性实施例提供的三维脑中线分割方法的流程图；
[0024]图6示出了本申请一个示例性实施例示出的距离图和权重图的示意图；
[0025]图7示出了本申请另一个示例性实施例示出的模型训练过程的示意图；
[0026]图8示出了本申请另一个示例性实施例提供的三维脑中线分割方法的流程图；
[0027]图9示出了本申请另一个示例性实施例示出的模型训练的过程示意图；
[0028]图10示出了本申请另一个示例性实施例提供的三维脑中线分割方法的流程图；
[0029]图11示出了本申请一个示例性实施例示出的脑中线偏移量的确定过程示意图；
[0030]图12是本申请一个示例性实施例提供的三维脑中线分割装置的结构框图；
[0031]图13是根据一示例性实施例示出的一种计算机设备的结构示意图。
具体实施方式
[0032]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0033]首先，对本申请实施例中涉及的名词进行简单介绍。
[0034]脑中线：是分割左右半脑的解剖结构，也可以称为实际脑中线，在二维脑部图像中，该脑中线为一条曲线，在三维脑部图像中，该脑中线是分割左右半脑的一个曲面，为左右半脑的交集区域。
[0035]理想脑中面：解剖意义上的理想的正中矢面，用于大致将大脑分为两个对称的半球，在三维脑部图像中为一个平面。
[0036]三维脑中线偏移量：三维空间中实际脑中线(曲面)与理想脑中面(平面)之间的最大垂直距离。在临床场景中，三维脑中线偏移量可以反映脑部血肿、肿瘤、脓肿等等颅内占
位性病变对脑中线结构侧向移位的程度，是颅内压升高的重要参考，对于衡量病情发展具有重要意义，可以与其他参数一起用于确定神经外科干预的紧迫性，并预测占位性病变患者的临床结果。因此在医学影像分析软件中集成基于计算机断层扫描图像(Computed Tomography，CT)的三维脑中线偏移量计算模块，对于给医生提供参考信息、辅助医生诊断具有重要的作用。
[0037]在本申请中，将着重介绍。如何分割得到三维脑部图像对应的三维脑中线，以便基于该三维脑中线结合理想脑中面，确定三维脑部图像对应的脑中线偏移量，以便为临床场景提供脑部病情的参考依据。
[0038]图1是本申请一个示例性实施例示出的计算机系统的示意图。如图1所示，该计算机系统包括第一设备110和第二设备120。
[0039]第一设备110是训练用于分割三维脑中线的分割模型的训练设备，在分割模型训练完成之后，第一设备110可以将训练完成的分割模型发送至第二设备120，以便在第二设备120中部署分割模型。第二设备120是使用分割模型进行三维脑中线分割的设备。
[0040]其中，第一设备110进行模型训练的过程为：将样本三维脑部图像111输入特征编码网络112中，得到特征编码网络112输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维脑中线分割方法，其特征在于，所述方法包括：通过特征编码器对样本三维脑部图像进行特征编码，得到样本编码特征图；基于所述样本编码特征图进行病灶区域预测、脑中线分割预测以及理想脑中面预测，得到病灶区域预测结果、脑中线分割预测结果以及理想脑中面预测结果；基于所述病灶区域预测结果、所述脑中线分割预测结果以及所述理想脑中面预测结果，联合训练所述特征编码器。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本编码特征图进行病灶区域预测、脑中线分割预测以及理想脑中面预测，得到病灶区域预测结果、脑中线分割预测结果以及理想脑中面预测结果，包括：基于所述样本编码特征图进行所述病灶区域预测，得到第一样本概率图，所述第一样本概率图用于表征所述样本三维脑部图像中每个像素点属于病灶区域的概率；基于所述样本编码特征图进行所述脑中线分割预测，得到第二样本概率图，所述第二样本概率图用于表征所述样本三维脑部图像中每个像素点分别属于左半脑区域、右半脑区域以及背景区域的概率；基于所述样本编码特征图进行所述理想脑中面预测，得到样本预测热图，所述样本预测热图用于指示理想脑中面在所述样本三维脑部图像中的位置；所述基于所述病灶区域预测结果、所述脑中线分割预测结果以及理想脑中面预测结果，联合训练所述特征编码器，包括：基于所述第一样本概率图、第一标注分割图像、所述第二样本概率图、第二标注分割图像、所述样本预测热图和样本标注热图，联合训练所述特征编码网络，所述第一标注分割图像中标注有所述样本三维脑部图像中的所述病灶区域，所述第二标注分割图像标注有所述样本三维脑部图像中的所述左半脑区域、所述右半脑区域和所述背景区域，所述样本标注热图中标注有所述样本三维脑部图像中的所述理想脑中面。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本概率图、第一标注分割图像、所述第二样本概率图、第二标注分割图像、所述样本预测热图和样本标注热图，联合训练所述特征编码网络，包括：基于所述第一样本概率图和所述第一标注分割图像，确定第一分割损失；基于所述第二样本概率图和所述第二标注分割图像，确定第二分割损失；基于所述样本预测热图和所述样本标注热图，确定第三分割损失；基于所述第一分割损失、所述第二分割损失和所述第三分割损失，训练所述特征编码网络。4.根据权利要求3所述的方法，其特征在于，所述基于所述第二样本概率图和所述第二标注分割图像，确定第二分割损失，包括：获取所述第二样本概率图中各个像素点对应的样本损失权重；基于所述样本损失权重、所述第二样本概率图和所述第二标注分割图像，确定脑部区域分割损失；基于所述脑部区域分割损失，确定所述第二分割损失。5.根据权利要求4所述的方法，其特征在于，所述获取所述第二样本概率图中各个像素点对应的样本损失权重，包括：
基于所述第二标注分割图像，确定标注三维脑中线；确定所述第二样本概率图像中各个像素点到所述标注三维脑中线的样本距离；基于所述样本距离，确定各个像素点对应的所述样本损失权重，所述样本损失权重与所述样本距离呈负相关关系。6.根据权利要求4所述的方法，其特征在于，所述基于所述第二样本概率图和所述第二标注分割图像，确定第二分割损失，还包括：对所述第二样本概率图进行索贝尔算子处理，确定所述样本三维脑部图像对应的样本左半脑轮廓和样本右半脑轮廓；基于所述样本左半脑轮廓和所述样本右半脑轮廓，确定样本三维脑中线；基于所述样本三维脑中线和标准三维脑中线，确定脑中线分割损失；所述基于所述脑部区域分割损失，确定所述第二分割损失，包括：基于所述脑部区域分割损失和所述脑中线分割损失，确定所述第二分割损失。7.根据权利要求6所述的方法，其特征在于，所述基于所述第二样本概率图和所述第二标注分割图像，确定第二分割损失，还包括：对所述样本三维脑中线进行极值提取处理，得到所述样本三维脑中线对应的样本中线三维坐标；基于所述样本中线三维坐标进行平滑损失计算，确定脑中线平滑损失；所述基于所述脑部区域分割损失和所述脑中线分割损失，确定所述第二分割损失，包括：基于所述脑部区域分割损失、所述脑中线分割损失以及所述脑中线平滑损失，确定所述第二分割损失。8.根据权利要求2至7任一所述的方法...

【专利技术属性】
技术研发人员：秦陈陈，周文雪，姚建华，刘翌勋，常健博，陈亦豪，冯铭，王任直，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：