[发明专利]一种医学图像的心耳分割方法、装置及存储介质

说明书

本发明公开了一种医学图像的心耳分割方法、装置及存储介质。具体方法为：获取原始图像数据集和标签图像数据集作为训练数据；基于3D‑Unet网络架构构建神经网络模型，神经网络模型包括输入层、前处理模块、后处理模块和输出层；将原始图像数据集和标签图像数据集输入神经网络模型进行训练，损失函数值采用均值Dice损失函数获得；根据训练好的神经网络模型对每组待分割的医学图像集进行心耳的识别和分割，输出一组心耳分割预测图像，完成医学图像的心耳分割。本发明能够自动识别医学图像中的心耳部分，并进行分割输出。

技术领域

本发明涉及医学图像后处理，尤其是涉及一种医学图像的心耳分割方法、装置及存储介质。

背景技术

心耳就是从心房伸出的耳状小囊，是心房的一部分，具有主动舒缩和分泌功能，对缓解心房内压力升高及保证心室充盈具有重要意义。

从解剖结构上看，心耳在心脏的角落，血液在心耳中流动缓慢，因而易形成血块，这些血块脱落后经主动脉流向全身，可能引发不同部位的栓塞，对身体造成严重的损害，甚至直接危及生命。虽然医学影像可以为临床诊断提供可靠的依据，但是生物医学图像本身有着许多不可避免的缺陷，使得医学影像的可读性存在一定局限，而且往往需要较多的医学经验。

目前针对心耳的分割算法中，大部分都是基于传统图像处理的方式。这些算法需要依赖一定的先验知识，特殊情况下需要人为干预，处理效率低，鲁棒性不佳。同时在CTA图像上左心耳与左心房没有明显的边界，无法从灰度中获得边界特征，因此传统方法更加难以准确确定分割边界。此外，其中的许多方法都是针对超声图像进行的处理，无法直接应用于CTA图像中的心耳分割。

发明内容

为了解决背景技术中的问题，本发明提供了一种医学图像的心耳分割方法、装置及存储介质，借助3D-Unet网络的特性，对心耳进行精准的定位，以实现高效、完整的三维分割，本发明旨在实现医学图像中心耳的自动准确提取，医学图像包括CTA图像(CT血管造影，CT Angiography)或其他成像数据。

本发明采用的技术方案如下：

一种医学图像的心耳分割方法，包括以下步骤：

S1：对包含心脏区域的多组医学图像数据集中的原始医学图像进行预处理后得到原始图像数据集；

将每组医学图像数据重构得到三维模型，从三维模型中分离出心耳三维模型，根据心耳三维模型得到对应的三维二值矩阵，通过三维二值矩阵生成对应的心耳图像作为标签图像数据集；

每组医学图像数据由一套病例获得，每组医学图像数据包含的医学图像数目不同，但每幅图像的分辨率均为512×512。

S2：基于3D-Unet网络架构构建神经网络模型，神经网络模型包括输入层、前处理模块、后处理模块和输出层。

S3：将步骤S1的原始图像数据集和标签图像数据集输入神经网络进行训练，损失函数值采用均值Dice损失函数获得。

S4：根据步骤S3训练好的神经网络模型对单组待分割的医学图像数据进行心耳的识别和分割，输出一组心耳分割预测图像，完成医学图像的心耳分割。

所述步骤S1中对包含心脏区域的医学图像进行预处理的方法具体为：

1.1)利用连续插值算法先对每组医学图像数据集中的医学图像进行重采样，以保证图像具有相同的像素间距；

1.2)对每幅医学图像中所有非零像素(前景)进行合并，根据设定的裁剪值对合并后的图像进行裁剪；

1.3)通过三次B样条基函数作为变形函数对医学图像进行仿射变换实现图像的整体配准；

1.4)最后对医学图像进行灰度阈值化处理。