【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于改进nn-unet的耳道ct图像分割方法。
技术介绍
1、ct图像分割是计算机视觉和医学图像处理领域的一个研究热点。随着医学影像技术的不断发展，ct技术在耳科疾病诊断中的应用越来越广泛，而耳道解剖结构复杂、结构精细，对耳道ct图像的分割与建模提出了更高的要求。传统的ct图像分割方法通常需要医生或技师手动进行，由于耳道结构微小复杂，且对分割精度要求高，所以这种方法耗时、费力且容易受到主观因素的影响，导致分割结果的一致性和准确性难以保证。
技术实现思路
1、本专利技术的目的在于：为解决上述
技术介绍
中所提出的问题，本专利技术提供了一种基于改进nn-unet的耳道ct图像分割方法，能够大幅度提高分割的效率和准确性，可以有效避免人工分割过程中可能产生的主观偏差和人力资源的浪费。
2、本专利技术为了实现上述目的具体采用以下技术方案：
3、基于改进nn-unet的耳道ct图像分割方法，包括：
4、s1：搜集多个患者的耳道ct数据进行标注，制作数据集；
5、s2：对数据做预处理；
6、s3：使用基于nn-unet改进的模型在训练集上进行训练，使用五折交叉验证的方法对数据集进行多次划分，然后对每一折进行训练和验证，训练完成后保存训练模型；
7、s4：在未见过的测试集数据上对训练好的模型进行推理测试；
8、s5：进行后处理，优化模型的输出结果；
9、s6：对输出结果进
10、有益效果：
11、本专利技术在使用数据集对模型训练并评估完成后，只需要将ct图像输入，模型即能够自动将想要的耳道结构分割出来；本专利技术大大简化了分割流程，避免了人工医学图像标注时存在的主观影响和效率低下的问题，降低了在医学图像领域手动分割耳道微小结构的难度，大大提高了分割效率，本专利技术帮助摆脱了人员限制，节约了大量的人力物力。
本文档来自技高网...【技术保护点】
1.基于改进nn-UNet的耳道CT图像分割方法，其特征在于，包括：
2.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，在步骤S1中，收集50位患者的耳道CT数据，使用3D-Slicer对外耳道、内听道、鼓膜、圆窗膜、膜迷路、骨迷路、面神经、听小骨进行人工标注，标注完成后图像和标签分别生成NIFTI文件，分别放入images和labels文件夹中，构建数据集。
3.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，将数据集划分训练集和测试集两部分，训练集占90％，测试集占10％；编写Python脚本将图像名称批处理成相应的格式，图像命名最后加上_0000区分模态，_0000表示CT图像，图像和标签在_0000.nii.gz前的文件名保持一致；
4.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，在步骤S2中，将所有数据裁剪到非零值区域，然后将所有的数据进行预处理操作；
5.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征
6.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，将三个transformer模块融合到修改后的nnUNet的三个最低分辨率尺度即第4级、第5级和第6级中，同时保持跳跃连接不变。
7.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，将人工标注的结果作为真实值，计算DSC和IoU作为评估指标，其中：用于衡量两个样本集合相似度，是衡量预测结果与真实标签之间交集与并集的比值，其中TP是真正例，FP是假正例，FN是假负例；
8.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，在步骤S4中，用模型对测试集数据进行推理测试，将模型推理后输出的标签和原始图像结合进行可视化操作，展示图像分割效果。
9.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，在步骤S5中，将模型测试输出的概率图转换为二值分割图，确定阈值，将概率值大于阈值的像素点设为前景，小于阈值的像素点设为背景，然后通过连通域分析识别并保留主要的连通组件，去除小的、孤立的噪声区域，再通过边缘平滑和孔洞填充优化分割结果和提高精度。
10.根据权利要求1所述的基于改进nn-UNet的耳道CT图像分割方法，其特征在于，在步骤S2中，使用旋转的方式对数据进行数据增强，x轴旋转范围为[-180，180]，向图像中添加高斯噪声对图像进行高斯模糊处理，调整亮度和对比度；
...【技术特征摘要】
1.基于改进nn-unet的耳道ct图像分割方法，其特征在于，包括：
2.根据权利要求1所述的基于改进nn-unet的耳道ct图像分割方法，其特征在于，在步骤s1中，收集50位患者的耳道ct数据，使用3d-slicer对外耳道、内听道、鼓膜、圆窗膜、膜迷路、骨迷路、面神经、听小骨进行人工标注，标注完成后图像和标签分别生成nifti文件，分别放入images和labels文件夹中，构建数据集。
3.根据权利要求1所述的基于改进nn-unet的耳道ct图像分割方法，其特征在于，将数据集划分训练集和测试集两部分，训练集占90％，测试集占10％；编写python脚本将图像名称批处理成相应的格式，图像命名最后加上_0000区分模态，_0000表示ct图像，图像和标签在_0000.nii.gz前的文件名保持一致；
4.根据权利要求1所述的基于改进nn-unet的耳道ct图像分割方法，其特征在于，在步骤s2中，将所有数据裁剪到非零值区域，然后将所有的数据进行预处理操作；
5.根据权利要求1所述的基于改进nn-unet的耳道ct图像分割方法，其特征在于，在步骤s3中，基于nn-unet改进的模型包括nn-unet主网络框架和嵌入的transformer模块，改进方法如下：
6.根据权利要求1所述的基于改进nn-unet的耳道ct图像分割方法，其特征...
【专利技术属性】
技术研发人员：张青雷，李加政，秦际赟，段建国，周莹，刘维平，李志坚，刘晓瑶，舒飙，杨昊澎，
申请(专利权)人：上海海事大学，
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。