本申请实施例公开了一种小气道分割方法、装置、电子设备及非易失性存储介质。本申请的方法，包括：采用图像分割网络对肺部CT图像进行分割，得到目标区域图像，其中，目标区域图像为除去主气道部分的肺实质区域的图像；采用卷积神经网络，对目标区域图像进行特征提取，得到第一特征图；采用Transformer网络，确定第一特征图的第一注意力权重，并依据第一注意力权重，确定第二特征图，其中，第一注意力权重用于表征第一特征图中各个位置的特征之间的影响程度；依据第一特征图和第二特征图，确定目标分割图像，其中，目标分割图像中包含直径小于预设直径阈值的气道。预设直径阈值的气道。预设直径阈值的气道。
【技术实现步骤摘要】
小气道分割方法、装置、电子设备及非易失性存储介质
[0001]本申请实施例涉及图像处理
，尤其涉及一种小气道分割方法、装置、电子设备及非易失性存储介质。
技术介绍
[0002]目前基于CT影像的主流导航系统对小于预设直径阈值的小气道的识别能力不足，识别精准度较差，在通过导航气管镜技术对肺外周结节进行诊疗时，使部分小气道区域存在盲区，造成部分区域术前气管镜路径规划失败或不精准的问题。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供一种小气道分割方法、装置、电子设备及非易失性存储介质，实现对小气道的精确识别，以至少解决由于目前基于CT影像的主流导航系统对小于预设直径阈值的小气道的识别能力不足，造成的气管镜路径规划不精确的技术问题。
[0005]本申请实施例提供一种小气道分割方法，包括：采用图像分割网络对肺部CT图像进行分割，得到目标区域图像，其中，目标区域图像为除去主气道部分的肺实质区域的图像，主气道为直径不小于预设直径阈值的气道；采用卷积神经网络，对目标区域图像进行特征提取，得到第一特征图；采用Transformer网络，确定第一特征图的第一注意力权重，并依据第一注意力权重，确定第二特征图，其中，第一注意力权重用于表征第一特征图中各个位置的特征之间的影响程度；依据第一特征图和第二特征图，确定目标分割图像，其中，目标分割图像中包含直径小于预设直径阈值的气道。
[0006]可选地，肺实质区域包括多个子区域；确定第一特征图对应的第一注意力权重包括：依据子区域，将第一特征图划分为多个第一特征子图，其中，每个子区域对应一个第一特征子图；采用Transformer网络，确定各个第一特征子图对应的第一注意力权重。
[0007]可选地，依据第一注意力权重，确定第二特征图包括：采用Transformer网络中的编码模块，对第一特征子图进行特征提取，得到第三特征子图；将第三特征子图分别与查询权重矩阵、键权重矩阵和值权重矩阵进行线性变换，得到查询向量、键向量和值向量；依据查询向量和键向量，确定第一注意力权重；依据第一注意力权重和值向量进行加权计算，得到各个第一特征子图对应的第二特征子图；将各个第二特征子图进行拼接，得到第二特征图。
[0008]可选地，依据查询向量和键向量，确定第一注意力权重包括：采用全连接网络，分别对查询向量和键向量进行线性变换和非线性映射；对经过线性变换和非线性映射的查询向量和键向量，分别进行取反操作；确定经过取反操作后的查询向量和键向量之间的相似度，并依据相似度，确定第一注意力权重。
[0009]可选地，图像分割网络中包括：第一分割子网络和第二分割子网络；采用图像分割网络对肺部CT图像进行分割，得到目标区域图像包括：采用第一分割子网络，确定CT图像的
第二注意力权重，并依据第二注意力权重对CT图像进行分割，得到气道树主干掩膜图，其中，气道树主干掩膜图中包含主气道的图像；采用第二分割子网络，对CT图像进行分割，得到肺叶掩膜图，其中，肺叶掩膜图中包含各个子区域，子区域包括：左肺上叶、左肺下叶、右肺上叶、右肺中叶和右肺下叶；依据气道树主干掩膜图、肺叶掩膜图和CT图像，确定目标区域图像。
[0010]可选地，依据第一特征图和第二特征图，确定目标分割图像包括：对第一特征图和第二特征图分别进行反卷积操作，以使第一特征图和第二特征图的尺寸均与CT图像的尺寸一致；依据经过反卷积操作的第一特征图和第二特征图，确定小气道图像，其中，小气道图像为直径小于预设直径阈值的气道的图像；依据小气道图像和气道树主干掩膜图，生成目标分割图像。
[0011]可选地，依据气道树主干掩膜图、肺叶掩膜图和CT图像，确定目标区域图像包括：对气道树主干掩膜图进行取反操作，得到除去主气道的掩膜图；依据肺叶掩膜图，确定肺实质掩膜图，其中肺实质掩膜图中包含肺实质区域；将除去主气道的掩膜图、肺实质掩膜图和CT图像中，相应位置上的像素值相乘，得到目标区域图像。
[0012]可选地，在依据气道树主干掩膜图、肺叶掩膜图和CT图像，确定目标区域图像之前，方法还包括：采用超分辨率网络，分别对气道树主干掩膜图、肺叶掩膜图和CT图像进行超分辨率重建，其中，经过超分辨率重建操作的图像的分辨率高于未经过超分辨率重建操作的图像的分辨率。
[0013]本申请实施例还提供一种小气道分割装置，包括：初步分割模块，用于采用图像分割网络对肺部CT图像进行分割，得到目标区域图像，其中，目标区域图像为除去主气道部分的肺实质区域的图像，主气道为直径不小于预设直径阈值的气道；第一特征提取模块，用于采用卷积神经网络，对目标区域图像进行特征提取，得到第一特征图；第二特征提取模块，用于采用Transformer网络，确定第一特征图对应的第一注意力权重，并依据第一注意力权重，确定第二特征图，其中，第一注意力权重用于表征第一特征图中各个位置的特征之间的影响程度；目标图像确定模块，用于依据第一特征图和第二特征图，确定目标分割图像，其中，目标分割图像中包含直径小于预设直径阈值的气道。
[0014]本申请实施例还提供一种非易失性存储介质，非易失性存储介质存储有计算机程序，计算机程序被处理器执行时实现小气道分割方法。
[0015]本申请实施例还提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现小气道分割方法。
[0016]基于上述方案可知，本申请通过采用图像分割网络对肺部CT图像进行分割，得到目标区域图像，其中，目标区域图像为除去主气道部分的肺实质区域的图像，主气道为直径不小于预设直径阈值的气道；采用卷积神经网络，对目标区域图像进行特征提取，得到第一特征图；采用Transformer网络，确定第一特征图的第一注意力权重，并依据第一注意力权重，确定第二特征图，其中，第一注意力权重用于表征第一特征图中各个位置的特征之间的影响程度；依据第一特征图和第二特征图，确定目标分割图像，其中，目标分割图像中包含直径小于预设直径阈值的气道的方式，通过基于图网络对transformer网络中的自注意力机制进行改进，优化了transformer网络特征提取的效果，并结合卷积神经网络和优化后的transformer网络对肺部CT图像中的肺实质区域进行分割识别，达到了精确识别小气道的
目的，从而，解决了由于目前基于CT影像的主流导航系统对小于预设直径阈值的小气道的识别能力不足，造成的气管镜路径规划不精确的技术问题。
附图说明
[0017]为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本申请一示例性的实施例中一种小气道分割方法的流程图；
[0019]图2为本申请一示例性的实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种小气道分割方法，其特征在于，包括：采用图像分割网络对肺部CT图像进行分割，得到目标区域图像，其中，所述目标区域图像为除去主气道部分的肺实质区域的图像，所述主气道为直径不小于预设直径阈值的气道；采用卷积神经网络，对所述目标区域图像进行特征提取，得到第一特征图；采用Transformer网络，确定所述第一特征图对应的第一注意力权重，并依据所述第一注意力权重，确定第二特征图，其中，所述第一注意力权重用于表征所述第一特征图中各个位置的特征之间的影响程度；依据所述第一特征图和所述第二特征图，确定目标分割图像，其中，所述目标分割图像中包含直径小于所述预设直径阈值的气道。2.根据权利要求1所述的小气道分割方法，其特征在于，所述肺实质区域包括多个子区域；确定所述第一特征图对应的第一注意力权重包括：依据所述子区域，将所述第一特征图划分为多个第一特征子图，其中，每个所述子区域对应一个所述第一特征子图；采用所述Transformer网络，确定各个所述第一特征子图对应的所述第一注意力权重。3.根据权利要求2所述的小气道分割方法，其特征在于，依据所述第一注意力权重，确定第二特征图包括：采用所述Transformer网络中的编码模块，对所述第一特征子图进行特征提取，得到第三特征子图；将所述第三特征子图分别与查询权重矩阵、键权重矩阵和值权重矩阵进行线性变换，得到查询向量、键向量和值向量；依据所述查询向量和所述键向量，确定所述第一注意力权重；依据所述第一注意力权重和所述值向量进行加权计算，得到各个所述第一特征子图对应的第二特征子图；将各个所述第二特征子图进行拼接，得到所述第二特征图。4.根据权利要求3所述的小气道分割方法，其特征在于，依据所述查询向量和所述键向量，确定所述第一注意力权重包括：采用全连接网络，分别对所述查询向量和所述键向量进行线性变换和非线性映射；对经过所述线性变换和非线性映射的所述查询向量和所述键向量，分别进行取反操作；确定经过所述取反操作后的所述查询向量和所述键向量之间的相似度，并依据所述相似度，确定所述第一注意力权重。5.根据权利要求1所述的小气道分割方法，其特征在于，所述图像分割网络中包括：第一分割子网络和第二分割子网络；采用图像分割网络对肺部CT图像进行分割，得到目标区域图像包括：采用所述第一分割子网络，确定所述CT图像的第二注意力权重，并依据所述第二注意力权重对所述CT图像进行分割，得到气道树主干掩膜图，其中，所述气道树主干掩膜图中包含所述主气道的图像；采用所述第二分割子网络，对所述CT图像进行分割，得到肺叶掩膜图，其中，所述肺叶
掩膜图中包含多个子区域，所述子区域包括：左肺上叶、左肺下叶、右肺上叶、右...
【专利技术属性】
技术研发人员：李楠宇，陈日清，苏晨晖，徐宏，
申请(专利权)人：杭州堃博生物科技有限公司，
类型：发明
国别省市：
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。