[发明专利]基于矛盾标记法的心脏CT图像自动分割方法、装置及介质

权利要求书

1.一种基于矛盾标记法的心脏CT图像自动分割方法，其特征在于：

S100，对心脏CT图像进行低精度矛盾标注，得到同一所述心脏CT图像的两个相似注释信息的矛盾标注图，将同一帧图中的所述矛盾标注图所包括的矛盾注解作为第一矛盾标注集；

S200，将多张心脏CT图像中不同帧但相邻图中的所述矛盾标注图所包括的相似注解作为第二矛盾标注集；

S300，通过精准标注数据部分对基于U-Net的深度神经网络进行预热，混合所述第一矛盾标注集及所述第二矛盾标注集得到混合矛盾标注集；

S400，通过所述混合矛盾标注集训练全卷积神经网络，分割所述心脏CT图像的前景和背景，直至所述全卷积神经网络达到收敛；

S500，统计U-Net网络分割出的所述CT心脏系列图像的前景和背景的灰阶直方图，将该直方图双峰间的最低谷作为分割阈值，设定所述心脏CT图像的兴趣区域并进行分割。

2.根据权利要求1所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述第一矛盾标注集中的矛盾注解为多张所述心脏CT图像的同一帧图全部标注点的5％。

3.根据权利要求1所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述第二矛盾标注集的相似的注释信息为多张所述心脏CT中不同帧但相邻图像全部标注点的30％。

4.根据权利要求1所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述低精度矛盾标注被设置为：以标注点低于标准标注集的标注点数量对应的标注集进行的矛盾标注，或未经相关领域专家完整鉴定的标注集进行的矛盾标注。

5.根据权利要求1所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述预训练包括：以混合矛盾标注集进行高泛化性分割训练。

6.根据权利要求1所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述全卷积神经网络模型设置为U-Net全卷积神经网络模型。

7.根据权利要求6所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述S400包括：

所述混合矛盾标注集训练U-Net全卷积神经网络模型为递减学习，所述递减学习的学习率为10％。

8.根据权利要求6所述的基于矛盾标记法的心脏CT图像自动分割方法，其特征在于，所述S500包括：

统计U-Net全卷积神经网络模型分割出CT心脏系列图像的前景和背景离散数据，以灰阶直方图hist作为模型输出进行统计，得到对应的两个峰值，以两个峰值之间的低谷，设定兴趣阈值并完成对心脏CT图像兴趣区域自动分割，其中低谷为第一高峰的10％。

9.一种基于矛盾标记法的心脏CT图像自动分割装置，该装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8任一所述的方法步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一所述的方法步骤。