【技术实现步骤摘要】
一种CT医学影像分割方法、设备及存储介质
[0001]本专利技术涉及建筑结构
,特别涉及一种
CT
医学影像分割方法
、
设备及存储介质
。
技术介绍
[0002]医疗影像数据是医疗数据的重要组成部分,目前对医学影像的诊断则主要依赖于人工的主观分析
。
近年来,随着第三次人工智能革命的爆发,使用深度学习的方法进行医学影像处理已成为主流研究
。
[0003]当前主流的
CT
医学影像分割方法试图通过输入原始影像和经过精细标注的影像让神经网络自主学习器官
、
组织的分割策略,而忽略医生是否对人体器官
、
组织的三维形态
、
空间关系有足够的认知
。
在这种情况下,即便是表现最好的分割方法,在边界模糊的医学影像上的分割表现都远差于经验丰富的放射科医生
。
[0004]因此,亟需提出一种有效的手段将人体器官
、
组织的三维形态
、
空间关系等知识融入到
CT
医学影像分割算法中,以实现更精准的器官
、
组织分割
。
技术实现思路
[0005]本专利技术的目的是提供一种
CT
医学影像分割方法
、
设备及存储介质,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件
。
[0006]本专利技术解决其 ...
【技术保护点】
【技术特征摘要】
1.
一种
CT
医学影像分割方法,其特征在于,包括
:
根据获取的原始
CT
影像和精细标注的
CT
影像,构建人体标准模型和差异量化系统,对所述人体标准模型中的器官和
/
或组织进行虚拟切片,得到类
CT
语义分割图,选取目标个体中对应的目标
CT
影像;利用有限元法,调整类
CT
语义分割图,得到新的类
CT
语义分割图;根据所述类
CT
语义分割图和新的类
CT
语义分割图,利用差异量化系统,判断是否调整类
CT
语义分割图;若是,则利用所述新的类
CT
语义分割图更新所述人体标准模型,并判断对应的器官和
/
或组织是否完成调整;若是,则得到与所述目标
CT
影像对应的器官和
/
或组织的数字孪生;遍历所述人体标准模型,完成人体标准模型到目标个体的演化,并在所需位置进行虚拟切片,获得
CT
医学影像的分割结果
。2.
根据权利要求1所述的一种
CT
医学影像分割方法,其特征在于,所述类
CT
语义分割图的获得过程具体包括:在所述人体标准模型中,设足部指向头部的方向为
z
轴,计算人体标准模型中的器官和
/
或组织与垂直于
z
轴的平面的交点,得到对应的切片轮廓;区分所述切片轮廓的内外,得到所述类
CT
语义分割图
。3.
根据权利要求2所述的一种
CT
医学影像分割方法,其特征在于,所述新的类
CT
语义分割图的获得过程具体包括:在所述类
CT
语义分割图中,选取器官轮廓或组织轮廓中的一个轮廓点为移动轮廓点,构建所述移动轮廓点的切线,并确定切线方向;固定第一轮廓点,将所述移动轮廓点沿切线方向移动,并在有限元法的约束下,第二轮廓点随移动轮廓点移动,获得移动位置,根据移动位置,更新所述类
CT
语义分割图,得到新的类
CT
语义分割图;其中,所述第一轮廓点至移动轮廓点的距离大于所述第二轮廓点至移动轮廓点的距离
。4.
根据权利要求1所述的一种
CT
医学影像分割方法,其特征在于,所述差异量化系统的构建过程具体包括:构建图像语义生成网络,根据所述原始
CT
影像和精细...
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。