[发明专利]基于3D全卷积神经网络的脊柱分割方法

说明书

本发明公开了一种基于3D全卷积神经网络的脊柱分割方法。本发明包括如下步骤：步骤1.建一个用于脊柱分割的3D全卷积神经网络；步骤2.准备数据集，数据集包括训练集+测试集；步骤3.利用训练集训练神经网络，得到网络模型；步骤4.使用得到的网络模型分割测试集中脊柱CT数据，得到分割结果。本发明借助于3D全卷积神经网络来分割脊柱，不仅是全自动的，而且分割精度很准确。

技术领域

本发明属于医学图像处理领域，具体讲的是一种基于3D全卷积神经网络的脊柱分割方法。

背景技术

脊柱形成人体中一个重要的支撑结构，骨骼包括7颈椎,12胸椎和5腰椎。由于体力活动减少和现代需要久坐的办公室工作，脊柱问题成为现代社会日益严重的问题常见的如特发性脊柱侧弯，严重的脊柱侧弯会影响人体的健康，压迫心肺功能，常需手术矫正。

脊柱骨分割在脊柱外科手术中具有重要的意义。在脊柱外科手术之前，医生需要根据病人的影像资料制定治疗方案，比如确定椎弓根钉的植入角度，植入深度等，这些可通过测量脊椎骨的集合信息(长度，角度，体积)来确定，由于在三维表面网格上测量比较直观方便，更易于为医生所采用，因此需要建立病人的三维模型。脊椎骨的分割精度直接影响到三维表面模型的精度，从而影响医生手术计划的制定，并最终影响手术的效果。

椎骨的分割是一项挑战,主要是由于形状变化和邻近结构相似的强度。传统的分割方法存在工作量大、耗时长、需要大量的预处理等问题。

因此，提出一种不需要进行任何预处理，分割耗时短，分割精度高的分割算法在临床医学应用上非常有必要。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于3D全卷积神经网络的脊柱分割方法，以降低分割的工作量，节约时间，使得脊柱CT的分割更加高效便捷，同时提高分割的准确率。

为实现上述发明的目的，本发明通过以下技术方案予以实现，具体包括以下步骤：

步骤1.建一个用于脊柱分割的3D全卷积神经网络；

步骤2.准备数据集，数据集包括训练集+测试集；

步骤3.利用训练集训练神经网络，得到网络模型；

步骤4.使用得到的网络模型分割测试集中脊柱CT数据，得到分割结果；

步骤1所述的3D全卷积神经网络的构建，具体如下：

卷积神经网络的输入是一个大小为128×128×64的体块，输出也是128×128×64的体块；网络结构分为左右两个部分，网络的左侧是一个压缩的过程，右侧是一个扩张的过程；除了降采样和上采样之外，卷积层均采用5×5×5的卷积核进行卷积，步长为1；

左侧的压缩的过程被分为5个不同的阶段，每个阶段的特征通道的尺寸不同，通道数也不同，都包括两个卷积层；每个卷积层都采用PRelu非线性激活函数；每个阶段的最后通过执行卷积操作来降低分辨率，卷积时采用2×2×2的卷积核，步长为2，进行降采样；随着压缩阶段特征通道的尺寸减小为原来的1/2，提取的特征的通道数为原来的2倍；具体来说：左侧第一个阶段的通道数为16，每个特征通道的尺寸为128×128×64；第二个阶段通道数为32，每个特征通道的尺寸是64×64×32，第三个阶段的通道数为64，每个特征通道的尺寸是32×32×16，第四个阶段的通道数为128，每个特征通道的尺寸为16×16×8，第五个阶段的通道数为256，每个特征通道的尺寸为8×8×4；