[发明专利]一种髋关节CT图像中骨的分割方法

权利要求书

1.一种髋关节CT图像中骨的分割方法，其特征在于，包括如下步骤：

S1：获取若干个髋关节CT图像序列进行骨的人工标注作为标准的骨分割结果；

S2：使用S1中髋关节CT图像序列及其标准的骨分割结果作为训练数据训练stackGAN；

S3：使用S2中训练好的stackGAN对S1中髋关节CT图像序列进行分割，得到的骨分割结果和S1中人工标注的骨分割结果作为训练数据，训练BiLSTM；

S4：输入一个髋关节CT图像序列；

S5：使用S2中训练好的stackGAN对S4中的髋关节CT图像序列的每一张切片图像进行骨分割；

S6：使用S3中训练好的BiLSTM对S5得到的骨分割结果进行后处理，得到最终的骨分割结果。

2.根据权利要求1所述的一种髋关节CT图像中骨的分割方法，其特征在于，所述S2中，stackGAN由第一阶段反向条件生成对抗网络和第二阶段正向条件生成对抗网络组成，S2具体包括如下子步骤：

S2.1：提取非骨特征训练反向条件生成对抗网络；

S2.2：固定已训练的反向条件生成对抗网络，提取骨特征训练正向条件生成对抗网络。

3.根据权利要求1所述的一种髋关节CT图像中骨的分割方法，其特征在于，所述S3中BiLSTM包括：当前切片图像前面连续k张切片图像的骨分割结果输入到一个LSTM网络构成的正向LSTM网络；当前切片图像后面连续k张切片图像的骨分割结果输入到另一个LSTM网络构成的反向LSTM网络。

4.根据权利要求1所述的一种髋关节CT图像中骨的分割方法，其特征在于，所述S5具体包括如下子步骤：

S5.1：第一阶段反向条件生成对抗网络提取非骨特征生成骨的粗分割标签；

S5.2：第二阶段正向条件生成对抗网络以骨的粗分割标签为先验，提取骨特征，进一步生成更为精准的骨分割标签。

5.根据权利要求1所述的一种髋关节CT图像中骨的分割方法，其特征在于,所述S6具体包括如下子步骤：

S6.1：取当前切片图像前面连续k张切片图像的骨分割结果输入到正向LSTM网络；

S6.2：取当前切片图像后面连续k张切片图像的骨分割结果输入到反向LSTM网络；

S6.3：叠加当前切片图像正向LSTM网络和反向LSTM网络输出作为当前切片图像的最终骨分割结果。