一种基于三维点云分割的支气管命名方法及系统技术方案

本发明专利技术公开的一种基于三维点云分割的支气管命名方法及系统，包括：获取胸部CT图像；从胸部CT图像中提取支气管三维点云数据；对支气管三维点云数据进行多重数据采样，计算每次采样数据中，每个点云的所有支气管标签预测概率；将所有采样获得的点云的所有支气管标签预测概率进行融合，获得每个点云数据的所有支气管标签的融合概率；根据融合概率确定每个点云数据的支气管标签；将点云数据转化为图像数据，并通每个点云数据的支气管标签对图像数据进行命名，获得图像的支气管命名结果。实现了对CT图像中支气管的准确命名。对CT图像中支气管的准确命名。对CT图像中支气管的准确命名。

【技术实现步骤摘要】
一种基于三维点云分割的支气管命名方法及系统


[0001]本专利技术涉及支气管识别
，尤其涉及一种基于三维点云分割的支气管命名方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前方法在进行支气管命名时，往往通过构建支气管树，之后对支气管树进行分割标记，获得支气管名称。
[0004]到目前为止，对支气管树进行分割标记的方法包括：(1)模板匹配法：根据树之间的支气管相似性，用相同的标记标记对应的结构；(2)骨架化和图形法：通过树的骨架化获得分支点，然后创建图来识别不同的分支，非骨骼体素的标记依赖于最近的骨架点；(3)自适应阈值和骨架化方法：使用不同的Hounsfield单元(HU)阈值同时获得中心线来分割不同的树段，标记过程遵循上述基于骨架化的方法；(4)概率方法：根据训练样本的特征分布，为测试样本的每一部分分配最大概率的标签。从现有的方法可以看出，分叉或分支点是标记和理解呼吸道树结构的关键信息。然而，大多数骨架或细化算法对噪声敏感，提取的呼吸道中心线质量不稳定；且即使在修剪了中心线的虚假分支后，仍然存在一些毛刺，导致对分叉或分支点的识别不准确，最终导致，对各支气管的命名准确率偏低。

技术实现思路

[0005]本专利技术为了解决上述问题，提出了一种基于三维点云分割的支气管命名方法及系统，提高了支气管命名的准确性。
[0006]为实现上述目的，本专利技术采用如下技术方案：
[0007]第一方面，提出了一种基于三维点云分割的支气管命名方法，包括：
[0008]获取胸部CT图像；
[0009]从胸部CT图像中提取支气管三维点云数据；
[0010]对支气管三维点云数据进行多重数据采样，计算每次采样数据中，每个点云的所有支气管标签预测概率；
[0011]将所有采样获得的点云的所有支气管标签预测概率进行融合，获得每个点云数据的所有支气管标签的融合概率；
[0012]根据融合概率确定每个点云数据的支气管标签；
[0013]将点云数据转化为图像数据，并通每个点云数据的支气管标签对图像数据进行命名，获得图像的支气管命名结果。
[0014]第二方面，提出了一种基于三维点云分割的支气管命名系统，包括：
[0015]图像获取模块，用于获取胸部CT图像；
[0016]支气管三维点云数据提取模块，用于从胸部CT图像中提取支气管三维点云数据；
[0017]支气管命名模块，用于对支气管三维点云数据进行多重数据采样，计算每次采样数据中，每个点云的所有支气管标签预测概率；将所有采样获得的点云的所有支气管标签预测概率进行融合，获得每个点云数据的所有支气管标签的融合概率；根据融合概率确定每个点云数据的支气管标签；将点云数据转化为图像数据，并通每个点云数据的支气管标签对图像数据进行命名，获得图像的支气管命名结果。
[0018]第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种基于三维点云分割的支气管命名方法所述的步骤。
[0019]第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种基于三维点云分割的支气管命名方法所述的步骤。
[0020]与现有技术相比，本专利技术的有益效果为：
[0021]1、本专利技术在PointNet++网络中引入GCN，通过PointNet++网络提取三维点云数据的语义信息，并寻找PointNet++网络中第一个SA模块输出的特征矩阵中每个特征点的附近点，形成支气管树，并计算邻接矩阵，将特征矩阵和邻接矩阵输入GCN中，提取树形结构信息，将树形结构信息和语义信息进行融合，由于融合信息里包含了点云数据的语义信息和树形结构信息，当利用融合信息确定每个点云数据的所有支气管标签预测概率时，保证了每个点云数据的所有支气管标签预测概率的准确性，在此基础上，保证了支气管命名的准确性。
[0022]2、本专利技术对支气管三维点云数据进行多重数据采样，并基于采样的点云数据和训练好的支气管自动命名模型，得到每个点云数据的多个所有支气管标签预测概率；通过对每个点云数据的多个所有支气管标签预测概率取平均，确定每个点云数据的支气管标签，有效保证了确定点云数据的支气管标签的准确性，可有效避免传统基于分叉或分支点支气管命名方法中中心线质量不稳定，导致确定的点云数据的支气管标签不准确的问题。
[0023]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0024]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0025]图1为实施例1公开方法的流程图；
[0026]图2为实施例1公开的支气管自动命名模型结构图。
具体实施方式
[0027]下面结合附图与实施例对本专利技术作进一步说明。
[0028]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0029]实施例1
[0030]在该实施例中，公开了一种基于三维点云分割的支气管命名方法，如图1所示，包
括：
[0031]S1：获取胸部CT图像。
[0032]S2：从胸部CT图像中提取支气管三维点云数据。
[0033]本实施例通过对胸部CT图像进行预处理，获得二值分割图像；从二值分割图像中提取三维点云数据，获得支气管三维点云数据。
[0034]具体的，将二值分割图像中所有HU值大于等于设定值的点提取出来，获得支气管三维点云数据。
[0035]其中，设定值优选为1。
[0036]S3：对支气管三维点云数据进行多重数据采样，计算每次采样数据中，每个点云的所有支气管标签预测概率；将所有采样获得的点云的所有支气管标签预测概率进行融合，获得每个点云数据的所有支气管标签的融合概率；根据融合概率确定每个点云数据的支气管标签；将点云数据转化为图像数据，并通每个点云数据的支气管标签对图像数据进行命名，获得图像的支气管命名结果。
[0037]本实施例利用训练好的支气管自动命名模型对每次采样的点云数据进行识别，获得每次采样数据中每个点云数据的所有支气管标签预测概率。
[0038]如图2所示，支气管自动命名模型包括支气管标签预测模型和标签相关关系提取模型，支气管标签预测模型以采样出的三维点云数据为输入，输出每个点云数据的所有标签初始预测概率，标签相关关系提取模型以标签相关关系图为输入，输出标签相关关系，将每个点云数据的所有标签初始预测概率和标签相关关系相乘，获得每个点云数据的所有支气管标签预测概率。
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维点云分割的支气管命名方法，其特征在于，包括：获取胸部CT图像；从胸部CT图像中提取支气管三维点云数据；对支气管三维点云数据进行多重数据采样，计算每次采样数据中，每个点云的所有支气管标签预测概率；将所有采样获得的点云的所有支气管标签预测概率进行融合，获得每个点云数据的所有支气管标签的融合概率；根据融合概率确定每个点云数据的支气管标签；将点云数据转化为图像数据，并通每个点云数据的支气管标签对图像数据进行命名，获得图像的支气管命名结果。2.如权利要求1所述的一种基于三维点云分割的支气管命名方法，其特征在于，对于每个点云数据，选取融合概率最大的支气管标签作为该点云数据的支气管标签。3.如权利要求1所述的一种基于三维点云分割的支气管命名方法，其特征在于，采用对每个点云数据的多个所有支气管标签预测概率求取平均值的方法，将所有采样获得的点云的所有支气管标签预测概率进行融合。4.如权利要求1所述的一种基于三维点云分割的支气管命名方法，其特征在于，利用训练好的支气管自动命名模型对每次采样的点云数据进行识别，获得每次采样数据中每个点云数据的所有支气管标签预测概率，其中，支气管自动命名模型包括支气管标签预测模型和标签相关关系提取模型，支气管标签预测模型以采样出的三维点云数据为输入，输出每个点云数据的所有标签初始预测概率，标签相关关系提取模型以标签相关关系图为输入，输出标签相关关系，将每个点云数据的所有标签初始预测概率和标签相关关系相乘，获得每个点云数据的所有支气管标签预测概率。5.如权利要求4所述的一种基于三维点云分割的支气管命名方法，其特征在于，标签相关关系图根据各支气管标签之间的相关关系构建获得。6.如权利要求4所述的一种基于三维点云分割的支气管命名方法，其特征在于，支气管标签预测模型包括PointNet++网络和GCN，PointNet++网络包括多个SA模块、多个FP模块和一个FC，采样到的三维点云数据输入PointNet++网络中，通过SA模块对输入的...

【专利技术属性】
技术研发人员：李传朋，樊昭磊，段建勇，孙哲，张敏，马芳，
申请(专利权)人：图灵医道医疗器械科技上海有限公司，
类型：发明
国别省市：