一种制造技术

本发明专利技术公开了一种

【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问题的解决方案是：提供一种
CT
医学影像分割方法
、
设备及存储介质
。
[0007]根据本专利技术的第一方面的实施例，提供了一种
CT
医学影像分割方法，包括：
[0008]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；
[0009]根据所述类
CT
语义分割图和目标
CT
影像，构建差异量化系统，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；
[0010]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；
[0011]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；
[0012]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；
[0013]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
。
[0014]进一步，所述类
CT
语义分割图的获得过程具体包括：
[0015]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；
[0016]区分所述切片轮廓的内外，得到所述类
CT
语义分割图
。
[0017]进一步，所述新的类
CT
语义分割图的获得过程具体包括：
[0018]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；
[0019]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；
[0020]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
。
[0021]进一步，所述差异量化系统的构建过程具体包括：
[0022]构建图像语义生成网络，根据所述原始
CT
影像和精细标注的
CT
影像，训练所述图像语义生成网络，其中，图像语义生成网络由生成子网络和判别子网络组成；
[0023]训练后的所述判别子网络用于量化目标
CT
影像与新的类
CT
语义分割图或者类
CT
语义分割图的差异值
。
[0024]进一步，所述是否调整类
CT
语义分割图的判断过程具体包括：
[0025]输入所述新的类
CT
语义分割图和目标
CT
影像至差异量化系统，得到第一差异值，输入类
CT
语义分割图和目标
CT
影像至差异量化系统，得到第二差异值；
[0026]对比第一差异值和第二差异值，根据对比结果，判断是否调整类
CT
语义分割图
。
[0027]进一步，所述判断对应的器官和
/
或组织是否完成调整具体包括：
[0028]判断所述第一差异值是否小于所设阈值；
[0029]若是，则根据所述目标
CT
影像，判断是否完成对应的器官和
/
或组织的所有调整；
[0030]若是，则认为对应的器官和
/
或组织完成调整
。
[0031]进一步，当未完成对应的器官和
/
或组织所有调整时具体包括：
[0032]固定所述新的类
CT
语义分割图中器官轮廓和
/
或组织轮廓中的所有轮廓点，并利用三维空间有限元法，调整对应的器官和
/
或组织的其余轮廓点；
[0033]选取新的目标
CT
影像再次进行调整
。
[0034]进一步，所述判断所述第一差异值是否小于所设阈值还包括：
[0035]当所述第一差异值大于所设阈值时，则再次对所述人体标准模型中的器官和
/
或组织进行虚拟切片，再次进行调整
。
[0036]根据本专利技术的第二方面的实施例，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现如本专利技术第一方面的实施例的一种
CT
医学影像分割方法
。
[0037]根据本专利技术的第三方面的实施例，提供了一种存储介质，其上存储本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：黄伟鑫，高阳，许丽艳，范衠，
申请(专利权)人：汕头大学，
类型：发明
国别省市：