[发明专利]基于医学图像的眼球和晶状体的自动分割方法及系统

说明书

本发明适用于计算机医学辅助诊疗技术领域，提供了一种基于医学图像的眼球和晶状体的自动分割方法，包括步骤：自动获取CT图像中的眼睛感兴趣区域并在深度学习网络中分割眼睛，得到眼睛分割结果；根据所述眼睛分割结果获取晶体感兴趣区域并分割晶体；根据所述眼睛分割结果获取视神经感兴趣区域并分割视神经。还提供了一种基于医学图像的眼球和晶状体的自动分割系统。借此，本发明能够解决繁琐人工操作与分割准确度之间的矛盾，并提高眼睛、视神经、晶体分割的准确度。

技术领域

本发明涉及计算机医学辅助诊疗技术领域，尤其涉及一种基于医学图像的眼球和晶状体的自动分割方法及系统。

背景技术

鼻咽癌是指发生于鼻咽腔顶部和侧壁的恶性肿瘤。是我国高发恶性肿瘤之一，发病率为耳鼻咽喉恶性肿瘤之首。鼻咽癌大多对放射治疗具有中度敏感性，放射治疗是鼻咽癌的首选治疗方法。在实际治疗过程中，无论是调强适形放射治疗还是三维适形放射治疗都需要利用放射治疗计划系统模拟治疗，以便医生制定计划。现在正在使用的各版本放射治疗计划系统主要依靠CT(Computed Tomography，计算机断层扫描)图像进行计算。

放射治疗中很重要的一点就是保证肿瘤周边危及器官的照射剂量不能过高，以免造成正常组织的损伤。否则轻则影响病人日后正常生活，严重的甚至会导致病人死亡。眼睛、晶体、视神经都是人体的重要组织，在人的日常生活中起着至关重要的作用，必须严格控制它们的放射剂量。因此，在放射治疗过程中，必须提前对这些组织做准确的分割，以便医生制定放疗计划。

在过去，这些危及器官都采用医生手动分割的方式进行分割。这种方式既效率低下，又因医生水平的不同而导致准确度参差不齐。近些年，随着深度学习的发展，越来越多的人开始尝试使用深度学习的方式分割危及器官。但鼻咽癌放疗中，医生诊断时使用的是一整幅头颈部CT图像。眼睛、视神经、晶体等小组织相对图像过小，直接使用整幅图像进行分割会导致过多误分割，选择感兴趣区域又需要人手工选取过于繁琐。

综上可知，现有的方法在实际使用上，显然存在不便与缺陷，所以有必要加以改进。

发明内容

针对上述的缺陷，本发明的目的在于提供一种基于医学图像的眼球和晶状体的自动分割方法，能够解决繁琐人工操作与分割准确度之间的矛盾，并提高眼睛、视神经、晶体分割的准确度。

为了实现上述目的，本发明提供一种基于医学图像的眼球和晶状体的自动分割方法，包括步骤：

自动获取CT图像中的眼睛感兴趣区域并在深度学习网络中分割眼睛，得到眼睛分割结果；

根据所述眼睛分割结果获取晶体感兴趣区域并分割晶体；

根据所述眼睛分割结果获取视神经感兴趣区域并分割视神经。

根据所述的基于医学图像的眼球和晶状体的自动分割方法，所述自动获取CT图像中的眼睛感兴趣区域并在深度学习网络中分割眼睛，得到眼睛分割结果的步骤进一步包括：

利用阈值分割获取身体边界；

获取所述身体边界的前向最小值曲线；

根据所述前向最小值曲线和人体生理构造，获取鼻尖位置；

根据所述鼻尖位置和眼睛物理大小，结合所述CT图像的像素间隔获取所述眼睛感兴趣区域；

将所述眼睛感兴趣区域内的像素做灰度值映射，得到第一图像并保存所述第一图像在所述CT图像中对应的第一位置；

将所述第一图像输入至预制的第一深度学习网络中，分割得出所述眼睛分割结果；

对所述眼睛分割结果的周边2像素的点做限定边界的区域生长；

根据所述第一位置，将做区域生长后的所述眼睛分割结果恢复至原始图像大小并结合到所述CT图像中。