[发明专利]CT图像的危及器官分割方法及装置

权利要求书

1.一种CT图像的危及器官分割方法，其特征在于，包括步骤：

S1、构建图像集，其中，所述图像集包括预处理后的多个CT图像；

S2、对多个所述CT图像分别进行危及器官标注，以建立训练集；

S3、构建危及器官分割网络，并对所述危及器官分割网络进行预训练；

S4、在所述训练集上融合图像空间坐标信息对预训练后的所述危及器官分割网络进行训练，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标CT图像的危及器官分割结果，并按照预设规则过滤所述危及器官分割结果，得到最终的危及器官分割结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括：

S21、对所述CT图像进行勾画，得到危及器官的勾画区域；

S22、对所述危及器官的勾画区域打上所述危及器官对应的标签；

S23、将所述危及器官的勾画区域的原始坐标转换成图像像素位置；

S24、根据所述图像像素位置，对所述危及器官进行连点成线处理及区域填充处理，生成与所述CT图像对应的标注图像；

S25、根据所述CT图像和对应的所述标注图像，建立所述训练集。

3.根据权利要求2所述的方法，其特征在于，所述步骤S2进一步还包括：

S26、在所述训练集中，对所述CT图像和对应的所述标注图像同步进行图像变换操作；

其中，所述图像变换操作包括轻微旋转、放大、缩小、平移、拉伸中的任意一项或多项组合。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中构建危及器官分割网络包括：

S31、对符合第一预设图像尺寸的所述CT图像进行多次卷积操作、多次非线性激活操作以及图像降采样；

S32、重复执行步骤S31，直至提取到符合第二预设图像尺寸的特征图；

S33、基于滑窗扫描方法，从所述特征图中提取出目标区域；

S34、基于全卷积网络对所述目标区域进行分类、定位，得到目标分类结果和目标定位结果；

S35、基于反卷积网络对所述特征图进行二值分割，得到二值分割结果；

S36、基于所述目标分类结果和所述目标定位结果，在所述二值分割结果中确定目标分割结果。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3中对所述危及器官分割网络进行预训练进一步包括：

S31'、设置所述危及器官分割网络的网络训练参数；

S32'、在预先获取的图像分割数据集上，采用所述网络训练参数对所述危及器官分割网络进行预训练，得到预训练后的所述危及器官分割网络。

6.根据权利要求1所述的方法，其特征在于，所述步骤S4进一步包括：

S41、对所述训练集中的CT图像的图像信息与图像空间坐标信息按通道进行拼接，以作为预训练后的危及器官分割网络的输入；

S42、以拼接后的CT图像作为输入，对预训练后的所述危及器官分割网络进行训练，得到所述危及器官分割模型。

7.根据权利要求1所述的方法，其特征在于，所述预设规则包括以下中的至少一个：

仅当出现肺器官分割时才允许出现心脏器官的分割；

当心脏器官的高度小于阈值时，则认定心脏器官不存在；

若针对所述目标CT图像所预测出的器官的坐标范围在预设范围内时，则认定所述目标CT图像内存在所述器官。

8.根据权利要求1～7任一项所述的方法，其特征在于，

所述步骤S4进一步包括：

S43、采用不同的训练方式重复执行步骤S42，得到多个危及器官分割模型；

所述步骤S5进一步包括：

S51、基于所述多个危及器官分割模型得到所述目标CT图像的多个危及器官分割结果，并按照所述预设规则分别过滤所述多个危及器官分割结果；

S52、对过滤后的所述多个危及器官分割结果进行融合，得到最终的危及器官分割结果。