【技术实现步骤摘要】
一种基于深度学习的CT图像肝脏动脉分割方法及系统
本专利技术涉及医学图像处理和人工智能
,特别涉及一种基于深度学习的CT图像肝脏动脉分割方法及系统。
技术介绍
医学成像有多种图像模态,包括MR(MagneticResonance,磁共振)、CT(ComputedTomography,电子计算机断层扫描)、PET(PositronEmissionComputedTomography,正电子发射型计算机断层显像)、超声成像等等。成像可以获得反映二维和三维区域人体的生理和物理特性的图像。肝病患者在进行外科手术前需要拍摄增强CT,根据造影剂在进入病人体内后的扫描时间不同,增强CT可以分为动脉期、门静脉期和平扫期三期序列图像。通过在动脉期对显影的动脉区域进行分割,可以帮助医生查看肝脏动脉的解剖结构,进而帮助医生诊断病情和指导手术。然而由于CT图像的敏感性和特异性相对MR较差,且存在成像伪影、成像质量不好等问题,与此同时肝脏动脉又相对细小且形态各异,因此基于CT图像的肝脏动脉区域的分割是非常有难度的问题。目前常用的图像分割方法主要有两类:基于阈值的分割和基于区域生长的分割。阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值,并将图像中每个像素的灰度值与阈值作比较,最后将像素根据比较结果分配到合适的类别中;阈值法最为关键的是按照某个准则函数来求解最佳灰度阈值,该方法计算简单、效率较高,但由于只考虑图像的灰度特征,因此对噪声比较敏感,鲁棒性不高。区域生长法是从一组代表不同生长区域的种子像素开始,接下来将种子像 ...
【技术保护点】
1.一种基于深度学习的CT图像肝脏动脉分割方法,其特征在于,包括:/n获取所有肝脏CT显影图像,并将所述CT显影图像尺寸调整为固定尺寸;/n将固定尺寸的肝脏部分的CT值进行归一化处理,并输入神经网络模型;/n计算所述神经网络模型的输出与肝脏动脉掩模的损失值,并根据所述损失值更新所述神经网络模型的参数;/n遍历所有训练样本,完成所述神经网络模型的训练学习,得到训练好的肝脏动脉分割模型;/n根据所述肝脏动脉分割模型,对归一化处理后的肝脏部分的CT值进行分割,得到肝脏动脉的分割结果;/n其中,所述将所述CT显影图像尺寸调整为固定尺寸的步骤为:统计所有CT图像肝脏部分三个方向大小的中位数;利用三次插值法,将原始尺寸的肝脏部分均调整为三个方向大小为所述中位数的固定尺寸。/n
【技术特征摘要】
1.一种基于深度学习的CT图像肝脏动脉分割方法,其特征在于,包括:
获取所有肝脏CT显影图像,并将所述CT显影图像尺寸调整为固定尺寸;
将固定尺寸的肝脏部分的CT值进行归一化处理,并输入神经网络模型;
计算所述神经网络模型的输出与肝脏动脉掩模的损失值,并根据所述损失值更新所述神经网络模型的参数;
遍历所有训练样本,完成所述神经网络模型的训练学习,得到训练好的肝脏动脉分割模型;
根据所述肝脏动脉分割模型,对归一化处理后的肝脏部分的CT值进行分割,得到肝脏动脉的分割结果;
其中,所述将所述CT显影图像尺寸调整为固定尺寸的步骤为:统计所有CT图像肝脏部分三个方向大小的中位数;利用三次插值法,将原始尺寸的肝脏部分均调整为三个方向大小为所述中位数的固定尺寸。
2.如权利要求1所述的基于深度学习的CT图像肝脏动脉分割方法,其特征在于,所述获取所有肝脏CT显影图像的步骤为:根据预设的裁剪规则,从整个腹部CT图像中裁剪出所有肝脏显影;所述裁剪规则为:根据肝脏显影以外接长方体的形式,裁剪出包含整个肝脏部分的长方体区域。
3.如权利要求1所述的基于深度学习的CT图像肝脏动脉分割方法,其特征在于,所述将固定尺寸的肝脏部分的CT值进行归一化处理的步骤具体包括:
根据肝脏和肝脏动脉在CT显影中的Hu值范围,设定第一阈值和第二阈值;
将CT值小于所述第一阈值的部分设置为所述第一阈值,将CT值大于所述第二阈值的部分设置为所述第二阈值;
对每个像素的原始CT值按如下公式进行转换;
其中,min为最小CT值,max为最大CT值,x为原始CT值,x'为转换后的CT值。
4.如权利要求1所述的基于深度学习的CT图像肝脏动脉分割方法,其特征在于,所述神经网络模型为3D卷积神经网络V-Net。
5.如权利要求1所述的基于深度学习的CT图像肝脏动脉分割方法,其特征在于,所述损失值的计算公式为:
loss=1-s
其中,loss为损失值;M为神经网络模型输出的概率矩阵;N为训练数据所对应的肝脏动脉二值化掩模;|M∩N|代表同为1的像素点的个数,|M|代表概率矩阵中所有1的个数,|N|代表肝脏动脉二值化掩模中所有1的个数。
6.如权利要求1所述的基于深度学习的CT图像肝脏动脉分割方法,其特征在于,所述根据所述肝脏动脉分割模型,对归一化处理后的肝脏部分的CT值进行分割,得到肝...
【专利技术属性】
技术研发人员:赵威,申建虎,代笃伟,王博,张伟,
申请(专利权)人:天津精诊医疗科技有限公司,
类型:发明
国别省市:天津;12
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。