【技术实现步骤摘要】
本专利技术涉及医学图像中的瓣膜分割，更具体地说，涉及可提高瓣膜的分割精度的图像处理方法、图像处理装置及存储介质。
技术介绍
1、以往以来，已知有如下的图像分割技术：使用术前ct扫描的图像，对主动脉瓣等瓣膜进行自动分割，由此可以更好地分析瓣膜大小，提供更精准的定量指标，进而能够更好地规划手术或评估疗效。例如，在经导管主动脉瓣置入术(tavi)中，通过对主动脉瓣进行图像分割，有助于提供适合患者的人工瓣膜。
2、而且，在医学图像的分割任务中，深度学习是最重要的手段之一，因为其端到端的特点和优越的性能，得到了广泛的应用。
3、现有技术文献
4、专利文献
5、专利文献1：cn107292887b
6、专利文献2：us10600185b2
7、非专利文献
8、非专利文献1：attention-guided decoder in dilated residual network foraccurate aortic valve segmentation in 3d ct scans(作者为fan,b.,tomii,n.,tsukihara,h.,maeda,e.,yamauchi,h.,nawata,k.,...&ono,m。发表于machine learningand medical engineering for cardiovascular health and intravascular imagingand computer assisted
9、非专利文献2：semi-supervised segmentation of liver using adversariallearning with deep atlas prior(作者为zheng,h.,lin,l.,hu,h.,zhang,q.,chen,q.,iwamoto,y.,...&wu,j。发表于medical image computing and computer assistedintervention–miccai 2019:22nd international conference,shenzhen,china,october13–17,2019,proceedings,part vi 22(pp.148-156).springer internationalpublishing.)
技术实现思路
1、现有的基于深度学习的分割方法虽然直接学习瓣膜的分割掩膜，但难以学习到瓣膜自身特有的、瓣膜与瓣膜间的、及瓣膜与血管间的解剖关系，因此分割结果极有可能与作为解剖知识的解剖结构先验(以下，有时也称作“解剖结构信息”)不匹配。以主动脉瓣膜为例，解剖知识有以下4个临床解剖特点：(1)瓣膜的最低点、结合点应位于瓣膜上；(2)瓣膜为薄膜状结构，通常无孔洞；(3)瓣膜与血管壁相交，且相交处为连续的曲线；(4)每个瓣膜划分血管内部区域，这些区域(也称作领域)应具有互斥的关系。然而，以往的神经网络的预测结果常常与上述临床解剖结构不一致，不能匹配上述先验知识，例如：预测出的瓣膜与真实瓣膜的特征点不匹配，预测出的瓣膜上有孔洞，形态错误，如图1的(a)；预测出的瓣膜与真实血管的相交处为离散的点或未相交，如图1的(b)；预测出的瓣膜之一侵犯了另一个瓣膜的领域，如图1的(c)。
2、本专利技术为了解决上述课题而完成，其提供一种基于解剖结构先验的瓣膜的精细的分割方法，其通过包含解剖结构先验筛选步骤、提取步骤与应用步骤，能够有效地解决瓣膜的分割任务中分割掩膜与瓣膜的解剖结构不匹配的问题。解剖结构先验筛选步骤选取瓣膜所特有的解剖结构先验(解剖结构信息)，解剖结构先验提取步骤对进行标签预处理，获取上述解剖结构先验。解剖结构先验应用步骤在训练时通过网络设计、损失设计或后处理等手段引入解剖信息，从而提升瓣膜整体和局部的分割精度。
3、具体来说，作为用于解决上述课题的手段，本专利技术的技术方案之一为一种图像处理方法，包括如下步骤：在包含瓣膜的医学图像中获取瓣膜的解剖结构信息，该解剖结构信息包括所述瓣膜的特征点区域掩膜、几何形态信息、轮廓信息、领域信息中的至少一个；根据所述解剖结构信息，设定包含所述解剖结构信息的权重的损失函数及该损失函数中的解剖结构信息的权重，并通过该损失函数训练用于分割瓣膜的分割网络；以及使用训练好的分割网络对所述医学图像进行处理，生成作为分割结果的、预测出的瓣膜掩膜。
4、作为用于解决上述课题的手段，本专利技术的另一技术方案为一种图像处理方法，包括如下步骤：在包含瓣膜的医学图像中获取瓣膜的解剖结构信息，该解剖结构信息包括所述瓣膜的特征点热图、几何形态信息、轮廓信息、领域信息中的至少一个；根据所述解剖结构信息，设定包含所述解剖结构信息中的至少一个及瓣膜的掩膜的损失函数，并通过该损失函数训练具有多个输出分支的分割网络，所述输出分支输出所预测的所述解剖结构信息中的至少一个及瓣膜的掩膜；以及使用训练好的分割网络对所述医学图像进行处理，生成预测出的瓣膜掩膜与解剖结构信息。
5、作为用于解决上述课题的手段，本专利技术的另一技术方案为一种图像处理方法，包括如下步骤：在包含瓣膜的医学图像中获取瓣膜的解剖结构信息，该解剖结构信息包括所述瓣膜的特征点信息、几何形态信息、轮廓信息、领域信息中的至少一个，所述特征点信息是特征点区域掩膜或特征点热图；根据所述解剖结构信息，设定训练用于分割瓣膜的分割网络的损失函数，还针对所述分割网络设置分类网络来训练所述分割网络，并根据所述解剖结构信息设定用来训练该分类网络的损失函数及该损失函数的权重；以及使用训练好的分割网络对所述医学图像进行处理，生成作为分割结果的、预测出的瓣膜掩膜。
6、作为用于解决上述课题的手段，本专利技术的另一技术方案为一种图像处理装置，具备：解剖结构信息获取部，在包含瓣膜的医学图像中获取瓣膜的解剖结构信息，该解剖结构信息包括所述瓣膜的特征点区域掩膜、几何形态信息、轮廓信息、领域信息中的至少一个；训练部，根据所述解剖结构信息，设定包含所述解剖结构信息的权重的损失函数及该损失函数中的解剖结构信息的权重，并通过该损失函数训练用于分割瓣膜的分割网络；以及图像处理部，使用训练好的分割网络对所述医学图像进行处理，生成作为分割结果的、预测出的瓣膜掩膜。
7、作为用于解决上述课题的手段，本专利技术的另一技术方案为一种图像处理装置，具备：解剖结构信本文档来自技高网...
【技术保护点】
1.一种图像处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的图像处理方法，其特征在于，
3.根据权利要求1或2所述的图像处理方法，其特征在于，
4.根据权利要求2所述的图像处理方法，其特征在于，
5.一种图像处理方法，其特征在于，包括如下步骤：
6.根据权利要求5所述的图像处理方法，其特征在于，
7.根据权利要求5或6所述的图像处理方法，其特征在于，
8.根据权利要求5或6所述的图像处理方法，其特征在于，
9.根据权利要求5或6所述的图像处理方法，其特征在于，
10.根据权利要求5所述的图像处理方法，其特征在于，
11.根据权利要求10所述的图像处理方法，其特征在于，
12.一种图像处理方法，其特征在于，包括如下步骤：
13.根据权利要求12所述的图像处理方法，其特征在于，
14.根据权利要求12或13所述的图像处理方法，其特征在于，
15.根据权利要求12或13所述的图像处理方法，其特征在于，>
16.根据权利要求12或13所述的图像处理方法，其特征在于，
17.根据权利要求12或13所述的图像处理方法，其特征在于，
18.根据权利要求17所述的图像处理方法，其特征在于，
19.根据权利要求1、5、12中任一项所述的图像处理方法，其特征在于，
20.根据权利要求1、5、12中任一项所述的图像处理方法，其特征在于，
21.根据权利要求1、5、12中任一项所述的图像处理方法，其特征在于，
22.一种图像处理装置，其特征在于，具备：
23.一种图像处理装置，其特征在于，具备：
24.一种图像处理装置，其特征在于，具备：
25.一种计算机能够读取的存储介质，其存储用于使计算机执行权利要求1至21项中任一项所述的图像处理方法的程序。
...【技术特征摘要】
1.一种图像处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的图像处理方法，其特征在于，
3.根据权利要求1或2所述的图像处理方法，其特征在于，
4.根据权利要求2所述的图像处理方法，其特征在于，
5.一种图像处理方法，其特征在于，包括如下步骤：
6.根据权利要求5所述的图像处理方法，其特征在于，
7.根据权利要求5或6所述的图像处理方法，其特征在于，
8.根据权利要求5或6所述的图像处理方法，其特征在于，
9.根据权利要求5或6所述的图像处理方法，其特征在于，
10.根据权利要求5所述的图像处理方法，其特征在于，
11.根据权利要求10所述的图像处理方法，其特征在于，
12.一种图像处理方法，其特征在于，包括如下步骤：
13.根据权利要求12所述的图像处理方法，其特征在于，
14.根据权利要求1...
【专利技术属性】
技术研发人员：钟昀辛，赵龙飞，薛晓，赵舜，青山岳人，
申请(专利权)人：佳能医疗系统株式会社，
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。