[发明专利]基于深度学习的心脏CT图像分割方法、装置、设备及介质

说明书

本发明适用医学图像处理技术领域，提供了一种深度学习的心脏CT图像分割方法、装置、设备及介质，该方法包括：当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像，对获取到的心脏CT图像进行预处理，获得对应的预处理图像，通过预先训练好的V‑Net模型对该预处理图像中预设的心脏组织区域进行图像分割，获得心脏CT图像对应的心脏组织区域分割图像，从而提高了对心脏CT图像进行图像分割的精确度，进而获得高精度的分割图像，提高手术的安全程度。

技术领域

本发明属于医学图像处理技术领域，尤其涉及一种基于深度学习的心脏CT图像分割方法、装置、设备及介质。

背景技术

心脏是人体中很重要的一部分，心脏疾病已成为对人类生命威胁较大的疾病之一。对心脏图像感兴趣部分的提取与分割在临床医学研究心脏病变组织中起着至关重要的作用，它能够辅助医生诊断，减少人为失误，提高就医效率，节省医生和病人宝贵时间。

计算机断层成像Computed Tomography，简称CT)技术的高速发展不断影响人体疾病的诊断方式，例如，多层螺旋和双源CT扫描仪可以提供患者精细的心脏CT图像，为在CT图像中研究心脏结构提供了技术基础，使其在心脏成像中得到了广泛的应用。

由于心脏的左心室负责向全身供血，在心脏功能中起着重要的作用，也是整个心脏中容易病变的区域，因此左心室形态和运动的异常被视为心血管临床诊断的重要依据。为帮助患者进行脑血管疾病(Cerebrovascular Disease，简称CVD)的诊断，医生致力于根据心脏CT图像确定患者的左心室容积、心肌壁厚度、并测量在心动周期的心室血量(射血分数)和管壁增厚性质的变化，而确定心肌壁厚度及对心肌壁增厚速率的度量、左心室容积和射血分数大小都依赖于左心室心肌的正确分割，因此，左心室心肌的分割在心脏CT图像中受到了广泛的关注。

目前，左心室心肌的分割方法主要包括专家手工分割、计算机交互式分割和全自动分割。手工分割对专家知识和经验要求很高，而且不可避免存在人为误差，同时对海量CT数据进行手工处理是一件耗时和枯燥的事情，因此，借助计算机的交互式半自动分割和全自动分割在心脏CT心肌的分割中具有极大的研究意义和价值。

发明内容

本发明的目的在于提供一种基于深度学习的心脏CT图像分割方法、装置、设备及存储介质，旨在解决由于现有技术无法提供一种有效的基于深度学习的心脏CT图像分割方法，导致心脏CT图像分割不精确的问题。

一方面，本发明提供了一种基于深度学习的心脏CT图像分割方法，所述方法包括下述步骤：

当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像；

对所述获取到的心脏CT图像进行预处理，获得对应的预处理图像；

通过预先训练好的V-Net模型对所述预处理图像中预设的心脏组织区域进行图像分割，获得所述心脏CT图像对应的心脏组织区域分割图像。

另一方面，本发明提供了一种基于深度学习的心脏CT图像分割装置，所述装置包括：

CT图像采集单元，用于当接收到心脏CT图像的分割请求时，获取用户输入的心脏CT图像；

图像预处理单元，用于对所述获取到的心脏CT图像进行预处理，获得对应的预处理图像；以及

分割图像获取单元，用于通过预先训练好的V-Net模型对所述预处理图像中预设的心脏组织区域进行图像分割，获得所述心脏CT图像对应的心脏组织区域分割图像。

另一方面，本发明还提供了一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述基于深度学习的心脏CT图像分割方法所述的步骤。