[发明专利]一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法

说明书

本发明涉及一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法，所述方法包括：S1、获取三维腹部肝脏CT图像数据；S2、对获取的三维腹部肝脏CT图像数据进行预处理和数据标准化；S3、将经过预处理和数据标准化的三维腹部肝脏CT图像数据输入AuxResUnet肝脏图像分割模型，然后对获取的三维腹部肝脏CT图像数据分割结果取3D最大连通区域以排除假阳性区域，获得肝脏VOI；S4、采用S3获得三维腹部肝脏CT图像数据分割结果，作为CT肝脏图像数据的掩膜，覆盖S3中得到的肝脏VOI；S5、将经过覆盖的肝脏VOI输入AuxResUnet肝脏图像病变分割模型进行病变分割，获得肝脏图像病变分割结果；本发明提供的图像分割方法，能够实现肝脏和肝脏病变的快速、准确的分割。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法。

背景技术

CT中肝脏的形态和质地异常以及可见病变在原发性和继发性肝肿瘤疾病中是疾病进展的重要生物标志物。在临床常规上，虽然使用了手动和半手动的技术，然而，这些方法都是主观的、严重依赖操作者且非常耗时的。为了提高放射科医生的生产力，计算机辅助的方法在过去已经有所发展，然而由于肝脏与其病变的低对比度，对比度的不同类型、组织中的异常(转移性切除术)、病变的大小以及数量变化，自动肝脏及其病变分割依然是一个非常具有挑战性的问题。另外，CT图像通常还具有较低的软组织对比度且容易受到噪声和其他伪影的影响。

现有的基于强度聚类、区域增长或可变形模型的肝脏及其病变分割的方法在解决这个难题时表现出有限的成功。对比差异的这种复杂性使得基于强度的方法难以推广到不可见的不同临床点的测试用例。此外，由于不规则的肿瘤生长和对治疗的反应(即手术切除)，病变的不同形状降低了利用病变形状的先验知识的计算方法的效率。因此已经开发的几种用于分割CT体积中的肝脏及其病变交互式和自动的方法(包括基于灰度和纹理的方法、图切法、水平集、sigmoid边缘建模)在临床上没有广泛应用。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法，无需用户交互，大大降低了肝脏病变分割结果中的假阳性，能够实现肝脏和肝脏病变的快速、准确的分割克服了肝脏和病变外观异质性的挑战。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括以下步骤：

一种基于三级级联网络进行腹部CT肝脏病变图像的自动分割方法，所述方法包括：

S1、获取三维腹部肝脏CT图像数据；

S2、对获取的三维腹部肝脏CT图像数据进行预处理和数据标准化；其中，预处理步骤包括对获取的三维腹部肝脏CT图像数据进行Hu值选取和直方图均衡化处理；

S3、将经过预处理和数据标准化的三维腹部肝脏CT图像数据输入AuxResUnet肝脏图像分割模型，获得三维腹部肝脏CT图像数据分割结果；

然后对获取的三维腹部肝脏CT图像数据分割结果取3D最大连通区域以排除假阳性区域，获得肝脏VOI；

S4、采用S3获得三维腹部肝脏CT图像数据分割结果，作为CT肝脏图像数据的掩膜，覆盖S3中得到的肝脏VOI；

S5、将经过覆盖的肝脏VOI输入AuxResUnet肝脏图像病变分割模型进行病变分割，获得肝脏图像病变分割结果；

S6、对S5中获得的肝脏图像病变分割结果进行包围盒选取，采用AuxDenseNet病变检测模型进行假阳性判别，并对最终判断为真阳性的结果添加包围盒作为最终的病变检测结果；

其中，所述AuxResUnet肝脏图像分割模型为经过肝脏图像数据训练后能够分割三维腹部肝脏CT图像数据的分割模型；