CT圖像的危及器官分割方法及裝置制造方法及圖紙

本發明專利技術公開了一種CT圖像的危及器官分割方法及裝置，屬于數字圖像處理技術領域，方法包括步驟：S1、構建圖像集，其中，圖像集包括預處理后的多個CT圖像；S2、對多個CT圖像分別進行危及器官標注，以建立訓練集；S3、構建危及器官分割網絡，并對危及器官分割網絡進行預訓練；S4、在訓練集上融合圖像空間坐標信息對預訓練后的危及器官分割網絡進行訓練，生成危及器官分割模型；S5、基于危及器官分割模型得到目標CT圖像的危及器官分割結果，并按照預設規則過濾危及器官分割結果，得到最終的危及器官分割結果。本發明專利技術實施例能夠實現對患者在精準放療時的危及器官進行實體分割，避免放療照射時對危及器官造成損傷。

Method and Device for Segmenting Dangerous Organs in CT Images

The invention discloses a method and device for dangerous organ segmentation of CT images, which belongs to the field of digital image processing technology. The method comprises steps: S1, building an image set, in which the image set includes several pre-processed CT images; S2, labeling multiple CT images respectively to establish a training set; S3, constructing a dangerous organ segmentation network, and segmentation of dangerous organs. Network pre-training; S4. Integrating image spatial coordinate information on training set to train pre-training dangerous organ segmentation network to generate a dangerous organ segmentation model; S5. Based on the dangerous organ segmentation model, the dangerous organ segmentation results of target CT images are obtained, and the final dangerous organ segmentation results are filtered according to the preset rules. The embodiment of the present invention can realize the entity segmentation of dangerous organs of patients during precise radiotherapy, so as to avoid the damage of dangerous organs caused by radiotherapy irradiation.

【技術實現步驟摘要】
CT圖像的危及器官分割方法及裝置
本專利技術涉及數字圖像處理
，特別涉及一種CT圖像的危及器官分割方法及裝置。
技術介紹
腫瘤患者進行放療之前，需要由放療醫生、物理師以及劑量師們共同仔細研究，為患者定制出一套精準、安全、有效的粒子放療計劃。該放療計劃需要考量多種指標，規避重要臟器，挑選最優照射路徑與角度，以不同顏色勾畫接受不同照射劑量的腫瘤病灶區。在制定放療計劃的過程中，需要涉及到放療切片的解讀。對于中國每十萬人中只有不到兩位的病理醫生現狀而言，每位患者能夠得到的醫生資源非常匱乏。在病理醫生讀片的過程中，需要把病人的影像數據切片為幾十片，從中觀察病變情況。之后需要針對病變區域勾畫靶區，并對危及器官進行保護。此類工作費時費力，由于醫生工作經驗的差異、醫生當天的狀態等情況會導致危及器官的勾畫效果不同，導致后續制定放療計劃時無法良好保護危機器官，對患者產生較大影響。隨著科技力量的興起，人工智能賦能醫療領域已有較多應用場景。患者的醫療影像數據以及檢驗數據已達到PB數量級，對于人工分析而言是巨大負擔，卻符合數據挖掘、機器學習等技術對于數據量的需求。
技術實現思路
有鑒于此，本專利技術實施例提供了一種CT圖像的危及器官分割方法及裝置，可以實現對患者在精準放療時的危及器官進行實體分割，避免放療照射時對危及器官進行照射。本專利技術實施例提供的技術方案如下：第一方面，提供了一種CT圖像的危及器官分割方法，包括步驟：S1、構建圖像集，其中，所述圖像集包括預處理后的多個CT圖像；S2、對多個所述CT圖像分別進行危及器官標注，以建立訓練集；S3、構建危及器官分割網絡，并對所述危及器官分割網絡進行預訓練；S4、在所述訓練集上融合圖像空間坐標信息對預訓練后的所述危及器官分割網絡進行訓練，生成危及器官分割模型；S5、基于所述危及器官分割模型得到目標CT圖像的危及器官分割結果，并按照預設規則過濾所述危及器官分割結果，得到最終的危及器官分割結果。在一些實施例中，所述步驟S2進一步包括：S21、對所述CT圖像進行勾畫，得到危及器官的勾畫區域；S22、對所述危及器官的勾畫區域打上所述危及器官對應的標簽；S23、將所述危及器官的勾畫區域的原始坐標轉換成圖像像素位置；S24、根據所述圖像像素位置，對所述危及器官進行連點成線處理及區域填充處理，生成與所述CT圖像對應的標注圖像；S25、根據所述CT圖像和對應的所述標注圖像，建立所述訓練集。在一些實施例中，所述步驟S2進一步還包括：S26、在所述訓練集中，對所述CT圖像和對應的所述標注圖像同步進行圖像變換操作；其中，所述圖像變換操作包括輕微旋轉、放大、縮小、平移、拉伸中的任意一項或多項組合。在一些實施例中，所述步驟S3中構建危及器官分割網絡包括：S31、對符合第一預設圖像尺寸的所述CT圖像進行多次卷積操作、多次非線性激活操作以及圖像降采樣；S32、重復執行步驟S31，直至提取到符合第二預設圖像尺寸的特征圖；S33、基于滑窗掃描方法，從所述特征圖中提取出目標區域；S34、基于全卷積網絡對所述目標區域進行分類、定位，得到目標分類結果和目標定位結果；S35、基于反卷積網絡對所述特征圖進行二值分割，得到二值分割結果；S36、基于所述目標分類結果和所述目標定位結果，在所述二值分割結果中確定目標分割結果。在一些實施例中，所述步驟S3中對所述危及器官分割網絡進行預訓練進一步包括：S31'、設置所述危及器官分割網絡的網絡訓練參數；S32'、在預先獲取的圖像分割數據集上，采用所述網絡訓練參數對所述危及器官分割網絡進行預訓練，得到預訓練后的所述危及器官分割網絡。在一些實施例中，所述步驟S4進一步包括：S41、對所述訓練集中的CT圖像的圖像信息與圖像空間坐標信息按通道進行拼接，以作為預訓練后的危及器官分割網絡的輸入；S42、以所述拼接后的CT圖像作為輸入，對預訓練后的所述危及器官分割網絡進行訓練，得到所述危及器官分割模型。在一些實施例中，所述預設規則包括以下中的至少一個：僅當出現肺器官分割時才允許出現心臟器官的分割；當心臟器官的高度小于閾值時，則認定心臟器官不存在；若針對所述目標CT圖像所預測出的器官的坐標范圍在預設范圍內時，則認定所述目標CT圖像內存在所述器官。在一些實施例中，所述步驟S4進一步包括：S43、采用不同的訓練方式重復執行步驟S42，得到多個危及器官分割模型；所述步驟S5進一步包括：S51、基于所述多個危及器官分割模型得到所述目標CT圖像的多個危及器官分割結果，并按照所述預設規則分別過濾所述多個危及器官分割結果；S52、對過濾后的所述多個危及器官分割結果進行融合，得到最終的危及器官分割結果。在一些實施例中，所述步驟S5之后，所述方法還包括：若所述最終的危及器官分割結果為錯誤分割結果，則對所述最終的危及器官分割結果通過插值方式或區域生成方式進行修正。第二方面，提供了一種應用于如第一方面任一項所述的CT圖像的危及器官分割方法的分割裝置，其特征在于，所述裝置包括：第一構建模塊，用于構建圖像集，其中，所述圖像集包括預處理后的多個CT圖像；第二構建模塊，用于對多個所述CT圖像分別進行危及器官標注，以建立訓練集；第一訓練模塊，用于構建危及器官分割網絡，并對所述危及器官分割網絡進行預訓練；第二訓練模塊，用于在所述訓練集上融合圖像空間坐標信息對預訓練后的所述危及器官分割網絡進行訓練，生成危及器官分割模型；分割模塊，用于基于所述危及器官分割模型得到目標CT圖像的危及器官分割結果，并按照預設規則過濾所述危及器官分割結果，得到最終的危及器官分割結果。第三方面，提供了一種電子設備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序；當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如第一方面任一項所述的CT圖像的危及器官分割方法。第四方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現如第一方面任一項所述的CT圖像的危及器官分割方法。本專利技術實施例與現有技術相比存在的有益效果是：1、構建訓練集并在訓練集上訓練生成危及器官分割模型，通過危及器官分割模型得到目標CT圖像的危及器官分割結果，并按照預設規則過濾該結果，得到最終的危及器官分割結果。從而可以有效做到危及器官標注，使得提升危及器官分割精度的同時提升效率；2、避免了傳統針對CT圖像危及器官勾畫過程中，因人為因素導致的標注錯誤、精度不高等情形發生；實現了在制定放療計劃的過程中大幅降低人工勾畫成本，減輕醫師工作強度，且提高了危及器官勾畫的精準性，因此能夠確保放療計劃方案的可靠性，確保放療療效。附圖說明為了更清楚地說明本專利技術實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術一實施例提供的CT圖像的危及器官分割方法的流程圖；圖2為本專利技術一實施例提供的構建圖像集的流程圖；圖3為本專利技術一實施例提供的對多個CT圖像分別進行危及器官標注，以建立訓練集的的流程圖；圖4為本專利技術一實施例提供的CT圖像與對應的標注圖像的示意圖；圖5為本專利技術一實施例提供的構建危及器官本文檔來自技高網...

【技術保護點】
1.一種CT圖像的危及器官分割方法，其特征在于，包括步驟：S1、構建圖像集，其中，所述圖像集包括預處理后的多個CT圖像；S2、對多個所述CT圖像分別進行危及器官標注，以建立訓練集；S3、構建危及器官分割網絡，并對所述危及器官分割網絡進行預訓練；S4、在所述訓練集上融合圖像空間坐標信息對預訓練后的所述危及器官分割網絡進行訓練，生成危及器官分割模型；S5、基于所述危及器官分割模型得到目標CT圖像的危及器官分割結果，并按照預設規則過濾所述危及器官分割結果，得到最終的危及器官分割結果。

【技術特征摘要】
1.一種CT圖像的危及器官分割方法，其特征在于，包括步驟：S1、構建圖像集，其中，所述圖像集包括預處理后的多個CT圖像；S2、對多個所述CT圖像分別進行危及器官標注，以建立訓練集；S3、構建危及器官分割網絡，并對所述危及器官分割網絡進行預訓練；S4、在所述訓練集上融合圖像空間坐標信息對預訓練后的所述危及器官分割網絡進行訓練，生成危及器官分割模型；S5、基于所述危及器官分割模型得到目標CT圖像的危及器官分割結果，并按照預設規則過濾所述危及器官分割結果，得到最終的危及器官分割結果。2.根據權利要求1所述的方法，其特征在于，所述步驟S2進一步包括：S21、對所述CT圖像進行勾畫，得到危及器官的勾畫區域；S22、對所述危及器官的勾畫區域打上所述危及器官對應的標簽；S23、將所述危及器官的勾畫區域的原始坐標轉換成圖像像素位置；S24、根據所述圖像像素位置，對所述危及器官進行連點成線處理及區域填充處理，生成與所述CT圖像對應的標注圖像；S25、根據所述CT圖像和對應的所述標注圖像，建立所述訓練集。3.根據權利要求2所述的方法，其特征在于，所述步驟S2進一步還包括：S26、在所述訓練集中，對所述CT圖像和對應的所述標注圖像同步進行圖像變換操作；其中，所述圖像變換操作包括輕微旋轉、放大、縮小、平移、拉伸中的任意一項或多項組合。4.根據權利要求1所述的方法，其特征在于，所述步驟S3中構建危及器官分割網絡包括：S31、對符合第一預設圖像尺寸的所述CT圖像進行多次卷積操作、多次非線性激活操作以及圖像降采樣；S32、重復執行步驟S31，直至提取到符合第二預設圖像尺寸的特征圖；S33、基于滑窗掃描方法，從所述特征圖中提取出目標區域；S34、基于全卷積網絡對所述目標區域進行分類、定位，得到目標分類結果和目標定位結果；S35、基于反卷積網絡對所述特征圖進行二值分割，得到二值分割結果；S36、基于所述目標分類結果和所述目標定位結果，在所述二值分割結果中確定目標分割結果。5.根據權利要求1所述的方法，其特征在于，所述步驟S3中對所述危及器官分割網絡進行預訓練進一步包括：S31'、設置所述危及器官分割網絡的網絡訓練參數；S32'、在預先獲取的圖像分割數據集上，采用所述網絡訓練參數對所述危及器官分割網絡進行預訓練，得到預訓練后的所述危及器官分割網絡。6.根據權利要求1所述的方法，其特征在于，所述步驟S4進一步包括：S41、對...

【專利技術屬性】
技術研發人員：毛順億，胡仲華，葉方焱，周建華，孫谷飛，浦劍，王文化，石峰，
申請(專利權)人：眾安信息技術服務有限公司，
類型：發明
國別省市：廣東,44