一种用于腹主动脉瘤边界分割的方法技术

本发明专利技术提供了一种用于腹主动脉瘤边界分割的方法，包括：A、获取待分割的图像；B、对所述待分割的图像进行主动脉和髂动脉的粗分割；C、根据所述主动脉和髂动脉的粗分割的结果进行主动脉的细分割和髂动脉的细分割；D、将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果。由上，本申请通过上述模型有利于快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。

【技术实现步骤摘要】
一种用于腹主动脉瘤边界分割的方法
本专利技术涉及医学影像领域，特别是涉及一种用于腹主动脉瘤边界分割的方法。
技术介绍
医学图像分割是医学图像处理和分析的关键步骤，其目的是将图像中具有某些特殊含义的部分分割出来，并提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医生做出更为准确的诊断。近年来，深度学习在计算机视觉的各个细分邻域都取得了出色的成绩。在图像分割领域，有大量的深度学习模型被提出，并取得了很好的效果。目前，对于腹主动脉瘤分割，主要依赖于医生的经验，因此会由于医生水平的不同会造成判断的不准确，且比较耗时耗力，效率低下。因此，目前亟需提供一种用于腹主动脉瘤边界分割的方法，以实现快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。
技术实现思路
有鉴于此，本申请提供一种用于腹主动脉瘤边界分割的方法，有利于快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。本申请提供一种用于腹主动脉瘤边界分割的方法，包括：A、获取待分割的图像；B、对所述待分割的图像进行主动脉和髂动脉的粗分割；C、根据所述主动脉和髂动脉的粗分割的结果进行主动脉的细分割和髂动脉的细分割；D、将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果。由上，有利于更加精确地、以及快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。优选地，步骤A之前，还包括模型的构建，包括：构建用于所述进行主动脉和髂动脉的粗分割的主动脉和髂动脉粗分割模型，以及构建所述进行主动脉的细分割的主动脉细分割模型，以及构建所述进行髂动脉的细分割的髂动脉细分割模型。优选地，所述模型的构建包括：M1、获取指定数量的图像数据；M2、对所述图像数据进行预处理；M3、根据预处理之后的图像数据，分别生成主动脉和髂动脉粗分割模型训练所需的训练集；以及生成主动脉细分割模型训练所需的训练集以及生成髂动脉细分割模型训练所需的训练集；M4、利用所述训练集分别进行模型训练；以分别获取主动脉和髂动脉粗分割模型，主动脉细分割模型以及髂动脉细分割模型。优选地，所述步骤B，包括：B1、将待分割的图像由原始尺寸缩小到粗分割模型训练时的图像的尺寸，并进行标准化处理；B2、将标准化处理后的图像输入至主动脉和髂动脉粗分割模型中，并将获取的输出结果进行分类处理，以得到粗分割概率矩阵；B3、将概率矩阵放大到所述待分割的图像的原始尺寸；其中，所述概率矩阵由各个体素组成；B4、对于每个体素，将概率最大的类别作为当前体素所属的类别，以据此获取主动脉和髂动脉粗分割的结果。由上，有利于提高分割地精确度。优选地，所述步骤C，包括：C1、根据所述主动脉和髂动脉粗分割的结果，从待分割的图像中分别剪裁出初始尺寸的主动脉区域和髂动脉区域；C2、将所述主动脉区域缩小至主动脉细分割模型训练时的图片的尺寸，以及将所述髂动脉区域分别缩小至髂动脉细分割模型训练时的图片的尺寸，并分别进行标准化处理，以分别获取处理后的主动脉区域和髂动脉区域；C3、将处理后的主动脉区域和髂动脉区域分别输入至主动脉细分割模型和髂动脉细分割模型中，并对输出结果分别做分类处理，以分别得到主动脉细分割概率矩阵和髂动脉细分割概率矩阵；C4、将所述主动脉细分割概率矩阵和髂动脉细分割概率矩阵分别放大回所述初始尺寸；其中，所述概率矩阵由各个体素组成；C5、对于每个体素，将概率最大的类别作为当前体素所属的类别，以据此分别获取主动脉细分割结果和髂动脉细分割结果。由上，有利于提高分割的精确度。优选地，所述步骤D，包括：将所述主动脉细分割结果和髂动脉细分割结果进行融合；对于同时属于主动脉和髂动脉的体素，选择概率矩阵中概率值达到最大时所对应的类别作为所述体素的类别，以获取融合之后的结果。由上，有利于获取更加精确地分割结果。优选地，步骤M1所述指定数量的图像数据包含：金标准分割的主动脉和髂动脉的边界位置标注信息。由上，用于训练的数据提前标注有金标准分割的主动脉和髂动脉的边界位置信息，从而有利于训练和优化。优选地，步骤M2，包括：M21、统计所有图像数据的x、y和z方向上的各个间隔，并分别求得x方向上的间隔的平均值、y方向上的间隔的平均值、z方向上的间隔的平均值；M22、对图像进行缩放处理，将x、y和z方向上的各个间隔分别调整至所述x方向上的间隔的平均值、所述y方向上的间隔的平均值、所述z方向上的间隔的平均值，以获取缩放后的图像。优选地，所述步骤M4之后，还包括测试及优化，包括：将标注有金标准分割的图像输入至主动脉和髂动脉粗分割模型中，获取粗分割结果；将所述粗分割结果分别输入至主动脉细分割模型和髂动脉细分割模型，以分别获取主动脉细分割结果和髂动脉细分割结果；将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果；获取所述融合后的分割结果与所述金标准分割的重叠度，当重叠度低于指定数值时，则进一步对模型进行优化。由上，有利于获取更加优化之后的模型。优选地，所述重叠度的计算公式为：其中，Dice表示重叠度，b为每批次的图像数量，c为类别数，Si,j为softmax分类后，第i张图的第j个类别的概率矩阵，Gi,j为第i张图的第j个类别的金标准矩阵；×表示矩阵对应元素相乘。综上所述，本申请有利于更加精确地、以及快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。附图说明图1为本申请实施例提供的一种用于腹主动脉瘤分割的方法的流程示意图；图2为本申请实施例中的UNet++深度学习模型的示意图；图3为本申请实施例提供的一种腹主动脉瘤分割模型构建的方法的流程示意图。具体实施方式下面将结合本申请实施例中的附图对本申请进行说明。实施例一模型的构建，包括：主动脉和髂动脉的粗分割模型的构建；主动脉细分割模型的构建；髂动脉细分割模型的构建。具体地，如图1所示，包括：S101，获取指定数量的图像数据；并对所述图像数据进行预处理生成训练集。获取指定数量的图像数据；所用数据来源于多个厂家的CT设备(西门子，飞利浦，GE，东芝等)，经过医生标注后，作为金标准。并进一步地对所述图像进行处理，首先，统计所有图像数据的x、y和z方向上的各个间隔，并分别求得x方向上的间隔的平均值、y方向上的间隔的平均值、z方向上的间隔的平均值。然后，使用三线性插值对图像进行缩放，将x、y和z方向上的各个间隔分别调整至所述x方向上的间隔的平均值、所述y方向上的间隔的平均值、所述z方向上的间隔的平均值。对于金标本文档来自技高网...

【技术保护点】
1.一种用于腹主动脉瘤边界分割的方法，其特征在于，包括：/nA、获取待分割的图像；/nB、对所述待分割的图像进行主动脉和髂动脉的粗分割；/nC、根据所述主动脉和髂动脉的粗分割的结果进行主动脉的细分割和髂动脉的细分割；/nD、将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果。/n

【技术特征摘要】
20190716 CN 20191064185741.一种用于腹主动脉瘤边界分割的方法，其特征在于，包括：
A、获取待分割的图像；
B、对所述待分割的图像进行主动脉和髂动脉的粗分割；
C、根据所述主动脉和髂动脉的粗分割的结果进行主动脉的细分割和髂动脉的细分割；
D、将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果。


2.根据权利要求1所述的方法，其特征在于，步骤A之前，还包括模型的构建，包括：
构建用于所述进行主动脉和髂动脉的粗分割的主动脉和髂动脉粗分割模型，以及构建所述进行主动脉的细分割的主动脉细分割模型，以及构建所述进行髂动脉的细分割的髂动脉细分割模型。


3.根据权利要求2所述的方法，其特征在于，所述模型的构建包括：
M1、获取指定数量的图像数据；
M2、对所述图像数据进行预处理；
M3、根据预处理之后的图像数据，分别生成主动脉和髂动脉粗分割模型训练所需的训练集；以及生成主动脉细分割模型训练所需的训练集以及生成髂动脉细分割模型训练所需的训练集；
M4、利用所述训练集分别进行模型训练；以分别获取主动脉和髂动脉粗分割模型，主动脉细分割模型以及髂动脉细分割模型。


4.根据权利要求3所述的方法，其特征在于，所述步骤B，包括：
B1、将待分割的图像由原始尺寸缩小到粗分割模型训练时的图像的尺寸，并进行标准化处理；
B2、将标准化处理后的图像输入至主动脉和髂动脉粗分割模型中，并将获取的输出结果进行分类处理，以得到粗分割概率矩阵；
B3、将概率矩阵放大到所述待分割的图像的原始尺寸；其中，所述概率矩阵由各个体素组成；
B4、对于每个体素，将概率最大的类别作为当前体素所属的类别，以据此获取主动脉和髂动脉粗分割的结果。


5.根据权利要求4所述的方法，其特征在于，所述步骤C，包括：
C1、根据所述主动脉和髂动脉粗分割的结果，从待分割的图像中分别剪裁出初始尺寸的主动脉区域和髂动脉区域；
C2、将所述主动脉区域缩小至主动脉细分割模型训练时的图片的尺寸，以及将所述髂动脉区域分别缩小至髂动脉细分割模型训练时的图片的尺寸，并分别进行标准化处理，以分别获取处理后的主动脉区域和...

【专利技术属性】
技术研发人员：柴象飞，郭娜，郭伟，史睿琼，贾森皓，王琪，葛阳阳，冯庸，谭启路，左盼莉，
申请(专利权)人：慧影医疗科技北京有限公司，
类型：发明
国别省市：北京;11