一种脊柱分割方法技术

本发明专利技术公开了一种脊柱分割方法，包括以下步骤：步骤1：数据预处理，生成脊柱热图和对图像加窗，将腰椎骨骼组织的窗位与窗宽分别设为400和1800；步骤2：使用U

【技术实现步骤摘要】
一种脊柱分割方法


[0001]本专利技术涉及脊柱分割
，尤其涉及一种脊柱分割方法。

技术介绍

[0002]CT成像技术因其扫描速度快，图像清晰等优点，被用于直观的观察人体内部信息，统计各种组织的体积信息等，成为评估椎体三维形态的有效方法。精准的腰椎椎体分割是后续分析和治疗的重要步骤，包括检查椎体骨折的异常情况、生物力学建模、腰椎椎间融合、前后腰椎椎间融合。尤其是，这些分析和干预的效果对腰椎椎体间分割的准确性提出了很高的要求。在人工智能技术成熟之前，椎体的自动分割多是通过多位丰富的放射科医生手动勾画来完成。
[0003]人工的椎体勾画方法工作量巨大，并且耗时久，并且不同医生的勾画标准存在不一致，导致椎体的勾画结果差异性大。传统图像分割方法如基于阈值、基于区域的分割都能够应用于医学图像分割问题。然而，由于成像设备、成像原理等因素的影响，医学图像的内容形态相对复杂，这些传统方法在分割精度上仍然存在着较大挑战。基于深度学习的图像分割技术取得了显著进步，其中Unet模型因为采用对称的U形结构，考虑到了用对称的上采样弥补下采样所损失的信息，在多项医学分割任务中取得了较好的结果，但其跳层连接的方式强制编码器和解码器仅能在同一深度的层上进行特征融合，忽略了具有不同尺度语义信息的融合，会造成一定细节信息的丢失。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种脊柱分割方法，旨在解决上述问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种脊柱分割方法，包括以下步骤：
[0006]步骤1：数据预处理，生成脊柱热图和对图像加窗，将腰椎骨骼组织的窗位与窗宽分别设为400和1800；
[0007]步骤2：使用U
‑
Net结构粗略定位腰椎；
[0008]步骤3：计算图像边界框，用4邻域得到待选腰椎范围，并且选择HU值大于图像最大HU值0.3倍的体素作为可能的腰椎，然后将得到的边界框在各个维度扩展对应图像尺寸的0.05
‑
0.2倍；
[0009]步骤4：基于XUnet网络进行网络分割，XUnet使用Inception块进行特征的提取；
[0010]步骤5：通过多尺度特征交叉融合的方式搭建3D XUnet网络。
[0011]进一步地，所述步骤2中，使用U
‑
Net结构粗略定位腰椎还包括以下步骤：
[0012]步骤2.1：设输入X∈R
H*W*D*C
，经过编码器进行特征提取后得到，经过编码器进行特征提取后得到解码特征表示为：
[0013]Y
i
＝σ(f
3*3*3
(Concat{downsample(X
i
‑1),X
i
,upsample(X
i+1
),upsample(Y
i+1
)}))
[0014]其中Concat代表拼接特征，downsample表示下采样，upsample表示上采样，σ为激活函数，f
3*3*3
表示以3*3*3大小的卷积核进行卷积操作；
[0015]步骤2.2：按照步骤2.1所述的方式在解码过程中进行多尺度的特征融合。
[0016]进一步地，所述步骤2.2中，数据在网络中的具体流向如下：
[0017]编码器第一层，输入尺度为96*96*128*1的图像，经过两次卷积提取特征得到特征图X1，经一次下采样得到64通道，大小为48*48*64的特征图X1'；
[0018]编码器第二层，输入尺度为48*48*64的特征图X1'，经过两次卷积提取特征得到特征图X2，经一次下采样得到64通道，大小为24*24*32的特征图X2'；
[0019]编码器第三层，输入尺度为24*24*32的特征图X2'，经过两次卷积提取特征得到特征图X3，经一次下采样得到64通道，大小为12*12*16的特征图X3'；
[0020]编码器第四层，输入尺度为12*12*16的特征图X3'，经过两次卷积提取特征得到特征图X4，经一次下采样得到64通道，大小为6*6*8的特征图X4'；
[0021]编码器第五层，输入尺度为6*6*8的特征图X4'，经过两次卷积提取特征得到64通道，大小为6*6*8的特征图X5；
[0022]解码器第一层，将多尺度的特征X4[16:48]与反卷积后的特征图X5沿通道方向拼接得到特征Y1，之后经两个卷积进行特征融合得到64通道，大小为12*12*16的特征图Y1'；
[0023]解码器第二层，将多尺度特征X3[16:48]与上采样后的特征图Y1'沿通道方向拼接得到特征Y2，之后经两个卷积进行特征融合得到64通道，大小为24*24*32的特征图Y2'；
[0024]解码器第三层，将多尺度特征X2[16:48]与上采样后的特征图Y2'沿通道方向拼接得到特征Y3，之后经两个卷积进行特征融合得到64通道，大小为48*48*64的特征图Y3'；
[0025]解码器第四层，将多尺度特征X1[16:48]与上采样后的特征图Y3'沿通道方向拼接得到特征图Y4，之后经两个卷积进行特征融合得到64通道，大小为96*96*128的特征图Y4’
，最后使用1个大小为1*1*1的卷积核生成定位热图。
[0026]所述步骤4中，XUnet使用Inception块进行特征的提取，其中Inception块包括两个特征提取层。
[0027]进一步地，所述Inception块包括第一特征提取层与第二特征提取层，所述第一特征提取层包括三个卷积块与一个最大池化，所述第二特征提取层包括三个卷积块。
[0028]进一步地，所述第一特征提取层包括的三个卷积块分别为convblock1
‑
1、convblock1
‑
2以及convblock1
‑
3，其中convblock1
‑
1由64个大小为1*1*1的卷积核组成，convblock1
‑
2由32个大小为1*1*1的卷积核组成，convblock1
‑
3由16个大小为3*3*3的卷积核组成；第二特征提取层包括的三个卷积块分别为convblock2
‑
1、convblock2
‑
2以及convblock2
‑
3，其中convblock2
‑
1由128个大小为3*3*3的卷积核组成，convblock2
‑
2由32个大小为5*5*5的卷积核组成，convblock2
‑
3均由32个大小为1*1*1的卷积核组成，将convblock1
‑
1、convblock2
‑
1、convblock2
‑
2与convblock2
‑
3的特征提取结果连接融合作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脊柱分割方法，其特征在于，包括以下步骤：步骤1：数据预处理，生成脊柱热图和对图像加窗，将腰椎骨骼组织的窗位与窗宽分别设为400和1800；步骤2：使用U
‑
Net结构粗略定位腰椎；步骤3：计算图像边界框，用4邻域得到待选腰椎范围，并且选择HU值大于图像最大HU值0.3倍的体素作为可能的腰椎，然后将得到的边界框在各个维度扩展对应图像尺寸的0.05
‑
0.2倍；步骤4：基于XUnet网络进行网络分割，XUnet使用Inception块进行特征的提取；步骤5：通过多尺度特征交叉融合的方式搭建3D XUnet网络。2.根据权利要求1所述一种脊柱分割方法，其特征在于，所述步骤2中，使用U
‑
Net结构粗略定位腰椎还包括以下步骤：步骤2.1：设输入X∈R
H*W*D*C
，经过编码器进行特征提取后得到，经过编码器进行特征提取后得到解码特征表示为：Y
i
＝σ(f
3*3*3
(Concat{downsample(X
i
‑1)，X
i
，upsample(X
i+1
)，upsample(Y
i+1
)}))其中Concat代表拼接特征，downsample表示下采样，upsamp1e表示上采样，σ为激活函数，f
3*3*3
表示以3*3*3大小的卷积核进行卷积操作；步骤2.2：按照步骤2.1所述的方式在解码过程中进行多尺度的特征融合。3.根据权利要求2所述一种脊柱分割方法，其特征在于，所述步骤2.2中，数据在网络中的具体流向如下：编码器第一层，输入尺度为96*96*128*1的图像，经过两次卷积提取特征得到特征图X1，经一次下采样得到64通道，大小为48*48*64的特征图X1′
；编码器第二层，输入尺度为48*48*64的特征图X1′
，经过两次卷积提取特征得到特征图X2，经一次下采样得到64通道，大小为24*24*32的特征图X2′
；编码器第三层，输入尺度为24*24*32的特征图X2′
，经过两次卷积提取特征得到特征图X3，经一次下采样得到64通道，大小为12*12*16的特征图X3′
；编码器第四层，输入尺度为12*12*16的特征图X3′
，经过两次卷积提取特征得到特征图X4，经一次下采样得到64通道，大小为6*6*8的特征图X4′
；编码器第五层，输入尺度为6*6*8的特征图X4′
，经过两次卷积提取特征得到64通道，大小为6*6*8的特征图X5；解码器第一层，将多尺度的特征X4[16：48]与反卷积后的特征图X5沿通道方向拼接得到特征Y1，之后经两个卷积进行特征融合得到64通道，大小为12*12*16的特征图Y1′
；解码器第二层，将多尺度特征X3[16：48]与上采样后的特征图Y1′
沿通道方向拼接得到特征Y2，之后经两个卷积进行特征融合得到64通道，大小为24*24*32的特征图Y2′
；解码器第三层，将多尺度特征X2[16：48]与上采样后的特征图Y2′
沿通道方向拼接得到特征Y3，之后经两个卷积进行特征融合得到64通道，大小为48*48*64的特征图Y3′
；解码器第四层，将多尺度特征X1[16：48]与上采样后的特征图Y3′
沿通道方向拼接得到特征图Y4，之后经两个卷积进行特征融合得到64通道，大小为96*96*128的特征图Y4’
，最后使用1个大小为1*1*1的卷积核生成定位热图。
4.根据权利要求1所述一种脊柱分割方法，其特征在于，所述步骤4中，XUnet使用Inception块进行特征的提取，其中Inception块包括两个特征提取层。5.根据权利要求6所述一种脊柱分割方法，其特征在于，所述Inception块包括第一特征提取层与第二特征提取层，所述第一特征提取层包括三个卷积块与一个最大池化，所述第二特征提取层包括三个卷积块。6.根据权利要求5所述一种脊柱分割方法，其特征在于，所述第一特征提取层包括的三个卷积块分别为convblock1
‑
1、convblock1
‑
2以及convblock1
‑
3，其中convblock1
‑
1由64个大小为1*1*1的卷积核组成，convblock1
‑
2由32个大小为1*1*1的卷积核组成，convblock1
‑
3由16个大小为3*3*3的卷积核组成；第二特征提取层包括的三个卷积块分别为convblock2

【专利技术属性】
技术研发人员：马震川，张健，任骊澄，
申请(专利权)人：杭州邦杰星医疗科技有限公司，
类型：发明
国别省市：