基于深度学习的脊椎图像分割方法及手术导航定位系统技术方案

本发明专利技术提供一种基于深度学习的脊椎图像分割方法及手术导航定位系统，该方法包括：根据待分割医学影像的第一椎骨定位点，从所述待分割医学影像中获取影像切块；将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果；根据所述影像切块分割结果，确定第二椎骨定位点；迭代执行上述过程，直至所述待分割医学影像的至少部分数据分割完毕。本发明专利技术每次仅对相邻的部分椎骨进行分割，减少了单次分割的数据处理量；通过影像切块的分割结果确定出第二椎骨定位点，能够自动感知脊柱走向，并进行迭代切块；通过迭代分割过程，能够便捷高效地完成脊椎分割任务，并且还可以间接实现多分类效果。类效果。类效果。

【技术实现步骤摘要】
基于深度学习的脊椎图像分割方法及手术导航定位系统


[0001]本专利技术涉及医学图像处理
，尤其涉及一种基于深度学习的脊椎图像分割方法及手术导航定位系统。

技术介绍

[0002]在涉及脊椎的外科手术中，医生需要根据病人的医学影像资料制定治疗方案，例如确定植入物的植入角度、植入深度等，如果能够获取脊椎的三维模型，则能够方便医生制定准确的治疗方案，提升手术精度。
[0003]而获取脊椎的三维模型，需要精确分割出椎骨骨骼部分，现有技术中通常的做法是通过一个定位模型确定出大致的脊椎区域，然后，将确定出的脊椎区域输入到分割模型中分割出骨骼体素，上述方案的椎骨分割过程计算量较大，分割效率较低。

技术实现思路

[0004]本专利技术提供一种基于深度学习的脊椎图像分割方法及装置，用以解决现有技术中脊椎分割过程计算量大，分割效率较低的缺陷。
[0005]本专利技术提供一种基于深度学习的脊椎图像分割方法，包括：
[0006]根据待分割医学影像的第一椎骨定位点，从所述待分割医学影像中获取影像切块；其中，所述影像切块至少包括第一椎骨，以及第二椎骨的至少部分数据；
[0007]将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果；
[0008]根据所述影像切块分割结果，确定第二椎骨定位点；
[0009]迭代执行上述过程，直至所述待分割医学影像的至少部分数据分割完毕。
[0010]根据本专利技术提供的基于深度学习的脊椎图像分割方法，在首轮迭代的情况下，所述第一椎骨定位点通过如下方式获取：
[0011]接收用户输入数据，并根据所述用户输入数据确定所述第一椎骨定位点；
[0012]或，从所述待分割医学影像的端部获取初始切块，根据所述初始切块确定出所述第一椎骨定位点；其中，所述初始切块包含所述第一椎骨的至少部分数据。
[0013]根据本专利技术提供的基于深度学习的脊椎图像分割方法，所述从所述待分割医学影像的端部获取初始切块，包括：
[0014]从所述待分割医学影像的端部按照第一预设步长移动切割框；
[0015]统计所述切割框中强度处于预设强度范围的体素组成的最大连通域中的体素总数，在所述体素总数大于预设总数阈值的情况下，根据所述切割框，从所述待分割医学影像中切割出所述初始切块。
[0016]根据本专利技术提供的基于深度学习的脊椎图像分割方法，所述根据所述初始切块确定出所述第一椎骨定位点，包括：
[0017]获取所述初始切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素总数，记为第一总数；
[0018]根据所述初始切块进行偏移，从所述待分割医学影像中获取偏移切块；
[0019]确定所述偏移切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素数量，记为第二总数；
[0020]在所述第二总数大于所述第一总数的情况下，以所述偏移切块为基础上进行下一次迭代偏移，直至相应的偏移切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素数量不再增加；
[0021]根据最终偏移切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素确定出所述第一椎骨定位点。
[0022]根据本专利技术提供的基于深度学习的脊椎图像分割方法，所述根据待分割医学影像的第一椎骨定位点，从所述待分割医学影像中获取影像切块，包括：
[0023]根据所述第一椎骨定位点，以及偏移向量，确定第一切块定位点；
[0024]根据所述第一切块定位点，定位预设大小的第一切割框，并根据所述第一切割框从所述待分割医学影像中确定出所述影像切块。
[0025]根据本专利技术提供的基于深度学习的脊椎图像分割方法，所述偏移向量根据如下方式确定：
[0026]在所述第一椎骨定位点为首个确定的椎骨定位点的情况下，将初始偏移向量作为所述偏移向量；
[0027]在所述第一椎骨定位点不是首个确定的椎骨定位点的情况下，根据所述第一椎骨的上一椎骨的定位点指向所述第一椎骨定位点的向量确定所述偏移向量。
[0028]根据本专利技术提供的基于深度学习的脊椎图像分割方法，在将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果之后，方法还包括：
[0029]若所述影像切块中未发现第二椎骨像素点，则在所述第一椎骨定位点的基础上，增大所述偏移向量，从所述待分割医学影像中重新获取影像切块；
[0030]若所述重新获取的影像切块中包含椎骨像素点，则根据其中的所有椎骨像素点确定新的起始椎骨定位点，并继续执行迭代分割。
[0031]根据本专利技术提供的基于深度学习的脊椎图像分割方法，在将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果之后，方法还包括：
[0032]若所述影像切块中未发现第二椎骨像素点，则通过阈值分割的方式从所述待分割医学影像中确定所述第一椎骨的沿脊椎分割方向上的椎骨区域；
[0033]根据所述椎骨区域获取影像切块，并输入到所述脊椎分割神经网络模型中，得到相应的分割结果；
[0034]根据所述相应的分割结果确定出新的起始椎骨定位点，并继续执行迭代分割。
[0035]根据本专利技术提供的基于深度学习的脊椎图像分割方法，所述根据所述影像切块分割结果，确定第二椎骨定位点，包括：
[0036]从所述影像切块分割结果中，确定出标签为“第二椎骨”的体素；
[0037]根据所有标签为“第二椎骨”的体素，通过计算质心，或通过生成包围盒并计算中心，或通过生成包围球并计算中心的方式，确定出所述第二椎骨定位点。
[0038]根据本专利技术提供的基于深度学习的脊椎图像分割方法，所述迭代执行上述过程，直至所述待分割医学影像的至少部分数据分割完毕，包括：
[0039]每一轮迭代后，判断当前轮的迭代是否达到预设终止条件；
[0040]其中，所述预设终止条件包括：
[0041]已分割出指定数量的椎骨；或，
[0042]当前迭代轮的影像切块中位于图像边界之外的体素占所述当前迭代轮的影像切块中体素总数的比例大于第一比例阈值。
[0043]根据本专利技术提供的基于深度学习的脊椎图像分割方法，方法还包括：
[0044]将原始医学影像进行预处理，得到所述待分割医学影像；
[0045]其中，所述预处理至少包括以下的一个或更多个：灰度标准化、旋转、降噪处理、重采样。
[0046]本专利技术还提供一种基于深度学习的脊椎图像分割装置，包括：
[0047]切块模块，用于根据待分割医学影像的第一椎骨定位点，从所述待分割医学影像中获取影像切块；其中，所述影像切块至少包括第一椎骨，以及第二椎骨的至少部分数据；
[0048]分割模块，用于将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果；
[0049]定位模块，用于根据所述影像切块分割结果，确定第二椎骨定位点；
[0050]迭代模块，用于迭代执行上述过程，直至所述待分割医学影像的至少本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的脊椎图像分割方法，其特征在于，包括：根据待分割医学影像的第一椎骨定位点，从所述待分割医学影像中获取影像切块；其中，所述影像切块至少包括第一椎骨，以及第二椎骨的至少部分数据；将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果；根据所述影像切块分割结果，确定第二椎骨定位点；迭代执行上述过程，直至所述待分割医学影像的至少部分数据分割完毕。2.根据权利要求1所述的基于深度学习的脊椎图像分割方法，其特征在于，在首轮迭代的情况下，所述第一椎骨定位点通过如下方式获取：接收用户输入数据，并根据所述用户输入数据确定所述第一椎骨定位点；或，从所述待分割医学影像的端部获取初始切块，根据所述初始切块确定出所述第一椎骨定位点；其中，所述初始切块包含所述第一椎骨的至少部分数据。3.根据权利要求2所述的基于深度学习的脊椎图像分割方法，其特征在于，所述从所述待分割医学影像的端部获取初始切块，包括：从所述待分割医学影像的端部按照第一预设步长移动切割框；统计所述切割框中强度处于预设强度范围的体素组成的最大连通域中的体素总数，在所述体素总数大于预设总数阈值的情况下，根据所述切割框，从所述待分割医学影像中切割出所述初始切块。4.根据权利要求3所述的基于深度学习的脊椎图像分割方法，其特征在于，所述根据所述初始切块确定出所述第一椎骨定位点，包括：获取所述初始切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素总数，记为第一总数；根据所述初始切块进行偏移，从所述待分割医学影像中获取偏移切块；确定所述偏移切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素数量，记为第二总数；在所述第二总数大于所述第一总数的情况下，以所述偏移切块为基础上进行下一次迭代偏移，直至相应的偏移切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素数量不再增加；根据最终偏移切块中强度处于所述预设强度范围的体素组成的最大连通域中的体素确定出所述第一椎骨定位点。5.根据权利要求1所述的基于深度学习的脊椎图像分割方法，其特征在于，所述根据待分割医学影像的第一椎骨定位点，从所述待分割医学影像中获取影像切块，包括：根据所述第一椎骨定位点，以及偏移向量，确定第一切块定位点；根据所述第一切块定位点，定位预设大小的第一切割框，并根据所述第一切割框从所述待分割医学影像中确定出所述影像切块。6.根据权利要求5所述的基于深度学习的脊椎图像分割方法，其特征在于，所述偏移向量根据如下方式确定：在所述第一椎骨定位点为首个确定的椎骨定位点的情况下，将初始偏移向量作为所述偏移向量；在所述第一椎骨定位点不是首个确定的椎骨定位点的情况下，根据所述第一椎骨的上
一椎骨的定位点指向所述第一椎骨定位点的向量确定所述偏移向量。7.根据权利要求5所述的基于深度学习的脊椎图像分割方法，其特征在于，在将所述影像切块输入脊椎分割神经网络模型，得到影像切块分割结果之后，方法还包括：若所述影像切块中未发现第二椎骨像素点，则在所述第一椎骨定位点的基础上，增大所述偏移向量，从所述待分...

【专利技术属性】
技术研发人员：苏紫昱，刘文博，旷雅唯，
申请(专利权)人：华科精准北京医疗科技有限公司，
类型：发明
国别省市：