一种基于CT影像图像的肝脏肿瘤自动识别与测量方法技术

本发明专利技术公开了一种基于CT影像图像的肝脏肿瘤自动识别与测量方法，属于医学影像图像处理技术领域，包括以下步骤：首先，将患者腹部CT影像图像做图像预处理之后，输入到肝脏成分分解网络中，得到分解后的肝脏成分图像I1‑I4，接着将肝脏成分图像I1‑I4输入到肝脏肿瘤分割网络中，输出肿瘤的分割结果；最后将分割结果输入到肿瘤测量与分析模块进行肿瘤分析，计算肿瘤的详细信息。通过上述方式，本发明专利技术解决了传统方法适用性及鲁棒性差，难以保障结果的准确性，以及缺乏模型的可解释性等问题。本发明专利技术的适用性及鲁棒性强，准确性高，且模型具有可解释性。

【技术实现步骤摘要】

本专利技术涉及医学影像图像处理，具体涉及一种基于ct影像图像的肝脏肿瘤自动识别与测量方法。

技术介绍

1、在肝脏肿瘤治疗手术中，基于术前ct影像进行肿瘤的识别、分割与测量至关重要，直接决定了手术方案。然而人工进行肿瘤标记，包括：肿瘤识别、分割以及测量等需要非常高的医学专业技能，同时也是一个繁重的重复性工作，不利于肝脏肿瘤手术的高质高效开展，因此开发自动的肝脏肿瘤识别、分割及测量的方法非常有价值。

2、目前常用的肝脏肿瘤识别与分割方法包括：阈值分割法、区域生长法、边缘检测法、支持向量机等机器学习法、以卷积神经网络为代表的深度学习方法等，其中深度学习方法是目前最主流且最高效的方法。然而目前常规的端到端的深度学习方法在自动识别肝脏肿瘤方面有一些缺陷和不足，原因如下：

3、1、医学影像图像特征复杂性，肿瘤形态多样，呈现出不同的形状，且边界模糊、对比度差；同时肝脏肿瘤的密度跨度大（包括低密度、等密度或高密度），变化大（一个肿瘤内可能存在不同密度区域，通常由肿瘤内部的出血、坏死、钙化等因素引起）。

4、2、ct影像中存在噪声和伪影干本文档来自技高网...

【技术保护点】

1.一种基于CT影像图像的肝脏肿瘤自动识别与测量方法，其特征在于，包括以下步骤：首先，将患者腹部CT影像图像做图像预处理之后，输入到肝脏成分分解网络中，肝脏成分分解网络对肝脏图像进行有效的成分分解，将肝脏正常组织及异常组织进行有效的分离，得到分解后的肝脏成分图像I1-I4，接着将肝脏成分图像I1-I4输入到肝脏肿瘤分割网络中，肝脏肿瘤分割网络对输入的肝脏成分图像I1-I4进行特征提取及特征分析，分割出肝脏中的肿瘤区域，输出肿瘤的分割结果；最后将分割结果输入到肿瘤测量与分析模块进行肿瘤分析，计算肿瘤的详细信息。

2.根据权利要求1所述的基于CT影像图像的肝脏肿瘤自动识别与测量方...

【技术特征摘要】

1.一种基于ct影像图像的肝脏肿瘤自动识别与测量方法，其特征在于，包括以下步骤：首先，将患者腹部ct影像图像做图像预处理之后，输入到肝脏成分分解网络中，肝脏成分分解网络对肝脏图像进行有效的成分分解，将肝脏正常组织及异常组织进行有效的分离，得到分解后的肝脏成分图像i1-i4，接着将肝脏成分图像i1-i4输入到肝脏肿瘤分割网络中，肝脏肿瘤分割网络对输入的肝脏成分图像i1-i4进行特征提取及特征分析，分割出肝脏中的肿瘤区域，输出肿瘤的分割结果；最后将分割结果输入到肿瘤测量与分析模块进行肿瘤分析，计算肿瘤的详细信息。

2.根据权利要求1所述的基于ct影像图像的肝脏肿瘤自动识别与测量方法，其特征在于，包括模型训练阶段和模型推理阶段；

3.根据权利要求1或2所述的基于ct影像图像的肝脏肿瘤自动识别与测量方法，其特征在于，所述肿瘤的详细信息包括各肿瘤的长径、短径、平均半径、平均密度、最大密度、最小密度、最大截面面积、总体积和总质量。

4.根据权利要求1所述的基于ct影像图像的肝脏肿瘤自动识别与测量方法，其特征在于，所述模型推理阶段共包含四个步骤，分别为：

5.根据权利要求4所述的基于ct影像图像的肝脏肿瘤自动识别与测量方法，其特征在于，步骤1.1、数据预处理，具体步骤为：患者的腹部ct影像图像会预先从dicom格式数据中解析图像，并对图像进行规范化，具体为将图像重采样到统一的分辨率...

【专利技术属性】
技术研发人员：何祚，罗召洋，蔡华崧，李竹浩，王猛，曾麟淋，廖嘉明，
申请(专利权)人：湖州百纳医疗科技有限公司，
类型：发明
国别省市：