医学图像分割模型构建方法与CBCT图像骨分割方法技术

本申请涉及一种上述医学图像分割模型构建方法、装置、计算机设备和存储介质，以CT图像作为浮动图像、且以CBCT图像作为参考图像对CT图像和CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果，对配准结果中CT图像进行骨分割，得到二值图像，将二值图像作为配准结果中CBCT图像的骨性组织标签图，得到样本数据集，根据样本数据集训练初始神经网络模型，得到医学图像分割模型，通过大样本数据训练出鲁棒性强的神经网络模型，以使最终得到的医学图像分割模型支持后续对CBCT图像骨分割。另外，本申请还提供一种CBCT图像骨分割方法、装置、计算机设备和存储介质。

Medical image segmentation model construction method and CBCT image bone segmentation method

【技术实现步骤摘要】
医学图像分割模型构建方法与CBCT图像骨分割方法
本申请涉及医学图像处理
，特别是涉及一种医学图像分割模型构建方法、装置、计算机设备和存储介质以及CBCT(ConeBeamComputedTomography，锥形束CT)图像骨分割方法、装置、计算机设备和存储介质。
技术介绍
放射治疗，简称放疗，是肿瘤治疗三大重要手段(包括：手术、化疗、放疗)之一。IGRT(ImageGuidedRadiotherapy，图像引导放射治疗)是肿瘤患者进行放射治疗过程中的核心关键技术，利用患者内部解剖结构实现对患者摆位的验证及调整。基于锥形束CT的图像引导放疗定位系统是图像引导放射治疗技术重要的实现方式之一。在放射治疗室，与放射治疗设备配套的CBCT成像系统采用平板探测器和锥形X射线束，围绕患者肿瘤部位圆周旋转并进行多角度曝光，从而得到诸多二维投影数据，对这些投影数据进行CBCT图像重建，得到一组连续的CBCT图像，利用CBCT图像中患者内部解剖结构与患者先前在影像室拍摄的CT图像进行图像配准，从而实现对患者摆位的验证及调整。可见，CBCT图像与CT图像之间的图像配准是实现对患者摆位的验证及调整关键，常规的配准方式中有采用刚性配准的方式，刚性配准虽然配准速度快，但是以骨组织作为标记物进行配准需要将CT图像和CBCT图像中的骨组织精确分割出来再进行配准，由于CBCT图像中常伴有硬化伪影、散射伪影等因素存在，导致CBCT图像中骨组织分割出来精确度不高，最终导致无法准确实现对患者摆位的验证及调整。专利技术内容基于此，有必要针对上述技术问题，提供一种能够支持准确CBCT图像骨分割的医学图像分割模型构建方法、装置、计算机设备和存储介质以及支持准确实现对患者摆位的验证及调整的CBCT图像骨分割方法、装置、计算机设备和存储介质。一种医学图像分割模型构建方法，所述方法包括：获取单个样本对象目标部位的CT图像以及CBCT图像；以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT图像的骨性组织标签图，得到单组样本数据；重新选取单个样本对象，返回所述获取单个样本对象目标部位的CT图像以及CBCT图像，直至得到的样本数据的组数大于预设数量阈值，得到样本数据集；根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型。在其中一个实施例中，所述获取单个样本对象目标部位的CT图像以及CBCT图像包括：获取单个样本对象目标部位的初始CT图像以及初始CBCT图像；利用DICOM(DigitalImagingandCommunicationsinMedicine，医学数字成像和通信)格式数据的坐标中心与像素间隔，并通过插值将所述初始CT图像与初始CBCT图像的分辨率统一，得到单个样本对象目标部位的CT图像以及CBCT图像。在其中一个实施例中，所述获取单个样本对象目标部位的初始CT图像以及初始CBCT图像包括：记录由CT设备在样本对象目标部位所属区域设置至少两个标志位；通过所述CT设备采集样本对象目标部位的初始CT图像；调整样本对象相对CBCT成像系统的位置，以使所述CBCT成像系统中定位装置中标志位对齐所述样本对象上所述至少两个标志位；通过所述CBCT成像系统采集初始CBCT图像。在其中一个实施例中，所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型之前，还包括：对所述样本数据集进行预处理和数据增强，得到扩充后的样本数据集；所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型包括：根据所述扩充后的样本数据集训练初始神经网络模型，得到医学图像分割模型。在其中一个实施例中，所述对所述配准结果中CT图像进行骨分割，得到二值图像包括：基于直方图的阈值骨分割算法对所述配准结果中CT图像进行骨分割，得到二值化CT图像。在其中一个实施例中，所述以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果包括：以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像，基于最大互信息的弹性配准算法，对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果。在其中一个实施例中，所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型包括：根据所述样本数据集训练U-Net神经网络模型，以调整所述U-Net神经网络模型中模型层数以及每层的通道数，得到医学图像分割模型。一种医学图像分割模型构建装置，包括：样本图像获取模块，用于获取单个样本对象目标部位的CT图像以及CBCT图像；弹性配准模块，用于以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；样本生成模块，用于对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT图像的骨性组织标签图，得到单组样本数据；循环迭代模块，用于重新选取单个样本对象，控制所述样本图像获取模块、所述弹性配准模块以及所述样本生成模块重新执行对应操作，直至得到的样本数据的组数大于预设数量阈值，得到样本数据集；模型构建模块，用于根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取单个样本对象目标部位的CT图像以及CBCT图像；以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT图像的骨性组织标签图，得到单组样本数据；重新选取单个样本对象，返回所述获取单个样本对象目标部位的CT图像以及CBCT图像，直至得到的样本数据的组数大于预设数量阈值，得到样本数据集；根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取单个样本对象目标部位的CT图像以及CBCT图像；以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT本文档来自技高网...

【技术保护点】
1.一种医学图像分割模型构建方法，所述方法包括：/n获取单个样本对象目标部位的CT图像以及CBCT图像；/n以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；/n对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT图像的骨性组织标签图，得到单组样本数据；/n重新选取单个样本对象，返回所述获取单个样本对象目标部位的CT图像以及CBCT图像，直至得到的样本数据的组数大于预设数量阈值，得到样本数据集；/n根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型。/n

【技术特征摘要】
1.一种医学图像分割模型构建方法，所述方法包括：
获取单个样本对象目标部位的CT图像以及CBCT图像；
以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；
对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT图像的骨性组织标签图，得到单组样本数据；
重新选取单个样本对象，返回所述获取单个样本对象目标部位的CT图像以及CBCT图像，直至得到的样本数据的组数大于预设数量阈值，得到样本数据集；
根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型。


2.根据权利要求1所述的方法，其特征在于，所述获取单个样本对象目标部位的CT图像以及CBCT图像包括：
获取单个样本对象目标部位的初始CT图像以及初始CBCT图像；
利用DICOM格式数据的坐标中心与像素间隔，并通过插值将所述初始CT图像与初始CBCT图像的分辨率统一，得到单个样本对象目标部位的CT图像以及CBCT图像。


3.根据权利要求2所述的方法，其特征在于，所述获取单个样本对象目标部位的初始CT图像以及初始CBCT图像包括：
记录由CT设备在样本对象目标部位所属区域设置至少两个标志位；
通过所述CT设备采集样本对象目标部位的初始CT图像；
调整样本对象相对CBCT成像系统的位置，以使所述CBCT成像系统中定位装置中标志位对齐所述样本对象上所述至少两个标志位；
通过所述CBCT成像系统采集初始CBCT图像。


4.根据权利要求1所述的方法，其特征在于，
所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型之前，还包括：
对所述样本数据集进行预处理和数据增强，得到扩充后的样本数据集；
所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型包括：
根据所述扩充后的样本数据集训练初始神经网络模型，得到医学图像分割模型。


5.根据权利要求1所述的方法，其特征在于，所述对所述配准结果中CT图像进行骨分割，得到二值图像包括：
基于直方图的阈值骨分割算法对所述配准结果中CT图像进行骨分割，得到二值化CT图像。


6.根据权利要求1所述的方法，其特征在于，所述以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进...

【专利技术属性】
技术研发人员：李翰威，齐宏亮，骆毅斌，陈宇思，马凤，陈静君，吕晓龙，
申请(专利权)人：广州华端科技有限公司，
类型：发明
国别省市：广东;44