一种肺部动静脉血管分割方法及系统技术方案

本发明专利技术涉及一种肺部动静脉血管分割方法、装置及系统，方法包括：预处理模块对肺部CT图像进行第一预处理，得到高分辨率CT图像；预处理模块对肺部CT图像进行第二预处理，得到低分辨率CT图像；动静脉粗分割模块以所述低分辨率CT图像为输入，输出动静脉血管粗分割结果；动静脉精分割模块以所述动静脉血管粗分割结果和所述高分辨率CT图像为输入，输出动静脉血管精分割结果。本发明专利技术能够捕捉肺部解剖结构的全局信息和血管的管腔状结构，鲁棒性高，满足了临床快速肺部动静脉分割的需求。临床快速肺部动静脉分割的需求。临床快速肺部动静脉分割的需求。

【技术实现步骤摘要】
一种肺部动静脉血管分割方法及系统


[0001]本专利技术属于人工智能
，尤其涉及一种肺部动静脉血管分割方法及系统。

技术介绍

[0002]肺部动静脉分割是重要且复杂的临床实践，肺部三维重建、手术术前规划等多项业务的场景中都需要对肺部的动静脉进行精准的分割。胸外科医师在进行肺部手术前，需要对肺部CT进行三维重建，得到肺部动静脉的精准分割，据此制定具体手术方案。但是，对肺部CT中的动静脉进行分割具有以下三方面的挑战：第一，人工分割动静脉工作量繁重，每例CT的动静脉分割大约耗时2～3小时；第二，血管的几何结构较为细长，血管末梢往往仅有一两个像素，给算法自动分割带来了困难；第三，动静脉之间无法通过像素值区分，区别在于其在肺中的位置，这要求算法能够提取肺部解剖结构的全局信息。
[0003]近来，新兴的深度学习技术在医学图像相关任务上取得了可与临床医师媲美的成绩，目前也有将深度学习技术应用于动静脉分割的案例。例如，公开号为CN112716446A的中国专利申请，其公开了一种高血压性视网膜病变的病变特征的测量方法及测量系统，其包括获取眼底图像；对眼底图像的视盘区域进行识别并分区；利用基于深度学习的动静脉分割模型对眼底图像进行动脉和静脉分割；基于分区和动静脉分割结果对眼底图像中的病变特征进行测量。但该技术是针对视网膜中的动静脉，并不是针对肺部动静脉。又如公开号为CN110738652A的中国专利申请，其公开了一种肺部动静脉分离方法及装置，包括：从肺部CT图像中提取肺血管区域；计算所述肺血管区域内任一像素点与支气管中心线的第一平行度，以及，计算所述肺血管区域内任一像素点的邻域内像素点与支气管中心线的第二平行度；根据所述第一平行度和所述第二平行度，将所述动脉区域和所述静脉区域进行分割。该方法繁杂且需要人工的预先标记，无法实现高效且快速的肺部动静脉分割。又如Pietro Nardelli等发表的Pulmonary Artery
–
Vein Classification in CT Images Using Deep Learning学术论文，提出利用尺度空间粒子来分割肺部血管，再通过卷积神经网络对血管进行分类，最后利用图分割优化算法对分割进行精修。该方法包含大量的启发式算法，且步骤繁琐。同时，该方法无法提取对肺部整体解剖信息的全局信息，鲁棒性相对较低。
[0004]现有技术主要存在以下缺陷：第一，算法步骤繁多且缓慢，无法适应临床医师对快速肺部动静脉分割的需求；第二，存在大量启发式算法，鲁棒性较低；第三，多基于局部CT图像，无法捕捉肺部解剖结构的全局信息；第四，无法很好地捕捉血管的管腔状结构。

技术实现思路

[0005]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种肺部动静脉血管分割方法及系统，使用两个级联的模型，先训练动静脉粗分割模块，再用动静脉粗分割模块的输出来训练动静脉精分割模块，能够捕捉肺部解剖结构的全局信息和血管的管腔状结构，鲁棒性高，满足了临床快速肺部动静脉分割的需求。
[0006]根据本专利技术的一个方面，本专利技术提供了一种肺部动静脉血管分割方法，所述方法
包括以下步骤：
[0007]S1:预处理模块对肺部CT图像进行第一预处理，得到高分辨率CT图像；预处理模块对肺部CT图像进行第二预处理，得到低分辨率CT图像；
[0008]S2:动静脉粗分割模块以所述低分辨率CT图像为输入，输出动静脉血管粗分割结果；
[0009]S3:动静脉精分割模块以所述动静脉血管粗分割结果和所述高分辨率CT图像为输入，输出动静脉血管精分割结果。
[0010]优选地，所述第一预处理包括：
[0011]对原始大小的肺部CT图像进行归一化处理，得到高分辨率CT图像；对原始大小的肺部CT图像进行标注，得到高分辨率动静脉分割标注；
[0012]预处理模块利用所述高分辨率动静脉分割标注计算血管的空间欧氏距离变换EDT，得到高分辨率EDT，所述EDT的计算公式如下：
[0013][0014][0015]其中，i，j和k分别为分别为当前体素的三维坐标，S为高分辨率动静脉分割标注的坐标空间，F为高分辨率动静脉分割标注中标注为血管的坐标集合，B为高分辨率动静脉分割标注中标注为背景的坐标集合。
[0016]优选地，所述第二预处理包括：
[0017]将原始大小的CT图像重采样至预定的大小，得到低分辨率CT图像；将所述高分辨率动静脉分割标注重采样至预定的大小，得到低分辨率标注；将所述高分辨率EDT重采样至预定的大小，得到低分辨率EDT。
[0018]优选地，分别根据所述低分辨率EDT和高分辨率EDT训练所述动静脉粗分割模块和动静脉精分割模块；其中，用于训练所述动静脉粗分割模块的损失函数如下：
[0019][0020][0021][0022][0023][0024]式中，y
seg
,y
EDT
,分别为低分辨率动静脉分割标注、动静脉粗分割、低分
辨率EDT、低分辨率EDT预测，n为低分辨率CT中包含的像素个数。
[0025]优选地，所述动静脉粗分割模块包括3DU
‑
Net网络；所述动静脉精分割模块包括3DDeepLab网络。
[0026]根据本专利技术的另一方面，本专利技术还提供了一种肺部动静脉血管分割装置，所述装置包括：
[0027]动静脉粗分割模块，以通过第二预处理得到的低分辨率CT图像为输入，输出动静脉血管粗分割结果；
[0028]动静脉精分割模块，以所述动静脉血管粗分割结果和通过第一预处理得到的高分辨率CT图像为输入，输出动静脉血管精分割结果。
[0029]优选地，所述通过第二预处理得到低分辨率CT图像，包括：
[0030]将原始大小的CT图像重采样至预定的大小，得到低分辨率CT图像；将所述高分辨率动静脉分割标注重采样至预定的大小，得到低分辨率标注；将所述高分辨率EDT重采样至预定的大小，得到低分辨率EDT。
[0031]优选地，所述通过第一预处理得到高分辨率CT图像，包括：
[0032]对原始大小的肺部CT图像进行归一化处理，得到高分辨率CT图像；对原始大小的肺部CT图像进行标注，得到高分辨率动静脉分割标注；
[0033]其中，利用所述高分辨率动静脉分割标注计算血管的空间欧氏距离变换EDT，得到高分辨率EDT，所述EDT的计算公式如下：
[0034][0035][0036]其中，i，j和k分别为分别为当前体素的三维坐标，S为高分辨率动静脉分割标注的坐标空间，F为高分辨率动静脉分割标注中标注为血管的坐标集合，B为高分辨率动静脉分割标注中标注为背景的坐标集合。
[0037]优选地，所述装置还包括训练模块，所述训练模块分别根据所述低分辨率EDT和高分辨率EDT训练所述动静脉粗分割模块和动静脉精分割模块；其中，用于训练所述动静脉粗分割模块的损失函数如下：
[0038][0039][0040][0041][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺部动静脉血管分割方法，其特征在于，所述方法包括以下步骤：S1:预处理模块对肺部CT图像进行第一预处理，得到高分辨率CT图像；预处理模块对肺部CT图像进行第二预处理，得到低分辨率CT图像；S2:动静脉粗分割模块以所述低分辨率CT图像为输入，输出动静脉血管粗分割结果；S3:动静脉精分割模块以所述动静脉血管粗分割结果和所述高分辨率CT图像为输入，输出动静脉血管精分割结果。2.根据权利要求1所述的方法，其特征在于，所述第一预处理包括：对原始大小的肺部CT图像进行归一化处理，得到高分辨率CT图像；对原始大小的肺部CT图像进行标注，得到高分辨率动静脉分割标注；预处理模块利用所述高分辨率动静脉分割标注计算血管的空间欧氏距离变换EDT，得到高分辨率EDT，所述EDT的计算公式如下：到高分辨率EDT，所述EDT的计算公式如下：其中，i，j和k分别为分别为当前体素的三维坐标，S为高分辨率动静脉分割标注的坐标空间，F为高分辨率动静脉分割标注中标注为血管的坐标集合，B为高分辨率动静脉分割标注中标注为背景的坐标集合。3.根据权利要求2所述的方法，其特征在于，所述第二预处理包括：将原始大小的CT图像重采样至预定的大小，得到低分辨率CT图像；将所述高分辨率动静脉分割标注重采样至预定的大小，得到低分辨率标注；将所述高分辨率EDT重采样至预定的大小，得到低分辨率EDT。4.根据权利要求3所述的方法，其特征在于，分别根据所述低分辨率EDT和高分辨率EDT训练所述动静脉粗分割模块和动静脉精分割模块；其中，用于训练所述动静脉粗分割模块的损失函数如下：的损失函数如下：的损失函数如下：的损失函数如下：的损失函数如下：式中，y
seg
,y
EDT
,分别为低分辨率动静脉分割标注、动静脉粗分割、低分辨率
EDT、低分辨率EDT预测，n为低分辨率CT中包含的像素个数。5.根据权利要求1所述的方法，其特征在于，所述动静脉粗分割模块包括3D U
‑
Net网络；所述动静脉精分割模块包括3D DeepLab网络。6.一种肺部动静脉血管分割装置，其特征在于，所述装置包括：动静脉粗分割模块，以通过第二预处理得到的低分辨率CT图像为输入，输出动静脉血管粗分割结果；动静脉精分割模块，以所述动静脉血管粗分割结果和通过第一预处理得到的高分辨率CT图像为输入，输出动静脉血管精分割结果。7.根据权利要求6所述的装置，其特征在于，所述通过第二预处理得到低分辨率CT图像，包括：将原始大小的CT图像重采样至预定的大小，得到低分辨率CT图像；将所述高分辨率动静脉分割标注重采样至预定的大小，得到低分辨率标注；将所述高分辨率EDT重采样至预定的大小，得到低分辨率EDT。8.根据权利要求6所述的装置，其特征在于，所述通过第一预处理得到高分辨率CT图像，包括：对原始大小的肺部CT图像进行归一化处理，得到高分辨率CT图像；对原始大小的肺部CT图像进行标注，得到高分辨率动静脉分割标注；其中，利用所述高分辨率动静脉分割标注计算血管的空间欧氏距离变换EDT，得到...

【专利技术属性】
技术研发人员：匡开铭，张沥，杨健程，
申请(专利权)人：点内上海生物科技有限公司，
类型：发明
国别省市：