[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

说明书

本发明涉及一种基于矛盾标记法的心脏CT图像自动分割方法、装置及介质的技术方案，包括：对心脏CT图像进行低精度矛盾标注，得到第一矛盾标注集；将多张心脏CT图像中不同帧但相邻图中的矛盾标注图所包括的相似注解作为第二矛盾标注集；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，混合第一矛盾标注集及第二矛盾标注集得到混合矛盾标注集；通过混合矛盾标注集训练全卷积神经网络，分割心脏CT图像的前景和背景，直至全卷积神经网络达到收敛；统计U‑Net网络分割出的CT心脏系列图像的前景和背景的灰阶直方图，分割阈值，设定心脏CT图像的兴趣区域并进行分割。本发明的有益效果为：网络训练过程更快；时间成本相对较低，降低了成本。

技术领域

本发明涉及计算机领域，具体涉及了一种基于矛盾标记法的心脏CT图像自动分割方法、装置及介质。

背景技术

据世界卫生组织数据，每年有数以千万的人死于心血管疾病(心脏病)，估计占全世界死亡总数的31％。心脏计算机断层扫描(CT)图像被广泛用于包括心脏病在内的放射治疗计划中，心脏CT图像自动分割成为近年来的热门研究课题。基于医学CT图像的完全心脏分割是指对CT心脏图像的整个序列进行组织分割，分割结果对协助医生诊断心血管疾病和指导医生手术具有重要意义。

由于心脏样本的复杂性及噪音的严重干扰，常导致CT图像中的心脏组织结构边界模糊。目前已知心脏CT医学图像自动分割的两种主要技术是：主动轮廓模型技术，广泛用于分割肺部CT图像；和机器学习方法，如卷积神经网络(CNN)。如何从心脏图像中从分割出单个心房或心室已有一些研究报告问世，但整个心脏CT序列图像的分割结果却少见有报道。目前大多数全序列CT心脏分割都需在专业医生指导下人机交互的完成半自动分割，标注一个成熟，完整和有说服力的公共数据集需耗费大量成本。

由于心脏样本的多样性复杂性使相关医学图像的标注极其困难，CT心脏图像组织结构的标注及准确分割成为大挑战。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种基于矛盾标记法的心脏CT图像自动分割方法、装置及介质，实现方式简单，在保证标注精度的同时也降低了成本。

本发明的技术方案包括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。

根据所述的基于矛盾标记法的心脏CT图像自动分割方法，其中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％。

根据所述的基于矛盾标记法的心脏CT图像自动分割方法，其中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％。

根据所述的基于矛盾标记法的心脏CT图像自动分割方法，其中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。

根据所述的基于矛盾标记法的心脏CT图像自动分割方法，其中预训练包括：以混合矛盾标注集进行高泛化性分割训练。

根据所述的基于矛盾标记法的心脏CT图像自动分割方法，其中全卷积神经网络模型设置为U-Net全卷积神经网络模型。