[发明专利]一种按照3D医学图像的解剖几何形状通过一个或多个神经网络经由结构化卷积来自动分割3D医学图像的处理

权利要求书

1.一种利用知识数据库的医学图像的自动分割方法，所述知识数据库包含关于在a xb x n维的3D医学图像，即，由n个各为a x b维的不同2D图像构成的3D医学图像中可见的解剖和病理结构或器械的信息，

所述方法的特征在于主要包括三个处理步骤，即：

第一步骤，包括从所述医学图像中提取9个a/2 x b/2 x n维的子图像(1至9)，即，从每个2D图像中提取9个部分重叠的a/2 x b/2子图像；

第二步骤，包括9个卷积神经网络(CNN)分析和分割每个2D图像的这9个子图像(1至9)中的每一个；

第三步骤，包括将n个不同的2D图像的9个分析和分割的结果，并且因此，分割的9个a/2x b/2 x n维的子图像的结果组合成与初始医学图像的单一分割对应的a x b x n维的单一图像。

2.按照权利要求1所述的自动分割方法，其特征在于如下从a x b维的2D图像中提取各为a/2 x b/2维的9个子图像(1-9)：

-通过两对对边的中间线，将2D图像对称划分为4个子图像(1至4)；

-按照所述图像的两个方向中的每一个，形成之间具有一条公共边并且对于2D图像的垂直边居中的两个子图像(5、6及7、8)；

-形成对于2D图像居中并且其边与所述图像的边平行的子图像(9)。

3.按照权利要求2所述的自动分割方法，其特征在于9个子图像(1至9)的重叠被配置成以便产生16个各为a/4 x b/4维的部分的互补区域(A至P)，共同覆盖所考虑的初始2D图像的整个表面。

4.按照权利要求1-3任意之一所述的自动分割方法，其特征在于所述自动分割方法包括：

-从K个分割的a x b x N(i)维医学图像构建知识数据库，N(i)是沿图像i的Z的切片数，i为1至K，

-从知识数据库的每个图像创建a/2 x b/2 x N(i)维的图像的9个子集，

-允许9个a/2 x b/2 x N(i)维的子图像的分割，并且允许从这9个子图像的每个子集的图像创建，并且随后在X方向和Y方向将该选择移动1至T个体素，因此提供9个4至(T+1)²个图像的子集，每个图像具有相同的维度。

5.按照权利要求1-4任意之一所述的自动分割方法，其特征在于所述自动分割方法包括借助9个2D CNN，

-借助一个专用2D CNN，并通过相继分割n个a/2 x b/2维切片，分析9个子图像(1至9)中的每一个，并且随后，

-组合所有9个CNN提供的结果，以便通过所述结果合并来提供单一的初始图像分割。

6.按照权利要求1-4任意之一所述的自动分割方法，其特征在于所述自动分割方法包括借助9个3D CNN，

-借助一个专用3D CNN，并通过相继分割L个连续的a/2 x b/2维切片的所有子集，分析9个子图像中的每一个，L为2至n，a/2 x b/2维的3D子图像的子集数为1至n-L+1，并且随后，

-组合所有9个CNN提供的分析结果，以便通过所述结果合并来提供单一的初始图像分割。

7.一种用于通过实现按照权利要求1-6任意之一所述的方法来进行医学图像的自动分割的系统，其特征在于所述系统包括至少一个计算机设备，所述计算机设备托管9个卷积神经网络(CNN)，并允许所述9个卷积神经网络(CNN)的协同工作，所述9个卷积神经网络(CNN)适合于通过使用来自知识数据库的信息来进行医学图像的至少一部分的分割，所述至少一个计算机设备还托管并运行进行医学图像的划分以及由不同的CNN提供的部分分割结果的合并的程序。