[发明专利]一种基于卷积神经网络的肋骨分割标记方法及系统

权利要求书

1.一种基于卷积神经网络的肋骨分割标记方法，其特征在于，包括：

步骤1，获取肋骨的CT影像序列数据；

步骤2，将所述CT影像序列数据输入至卷积神经网络模型中，得到预测结果数据，并将预测结果进行标记，其中，卷积神经网络模型通过对肋骨的背景填充、骨窗归一化处理以及损失计算进行训练；

步骤3，从所述CT影像序列数据中剔除掉所述预测结果数据，得到剩余CT影像序列数据；

步骤4，将所述剩余CT影像序列数据作为新的CT影像序列数据，在所述新的CT影像序列数据的基础上，重复步骤2及步骤3，直至全部CT影像序列数据标记完毕；

其中，步骤2具体为：

将所述CT影像序列数据输入至卷积神经网络模型中，所述卷积神经网络模型分割出所述CT影像序列数据中的第一根肋骨数据，将所述第一根肋骨数据作为预测结果数据，并将预测结果进行标记；

所述第一根肋骨数据为：输入数据中所能识别到的第一根肋骨。

2.根据权利要求1所述的一种基于卷积神经网络的肋骨分割标记方法，其特征在于，所述损失计算包括：

二值交叉熵损失计算和dice损失计算。

3.根据权利要求2所述的一种基于卷积神经网络的肋骨分割标记方法，其特征在于，步骤3具体为：

将所述预测结果数据对应的背景区域按预设值进行填充，从所述CT影像序列数据中剔除填充后的预测结果数据，得到剩余CT影像序列数据。

4.根据权利要求1所述的一种基于卷积神经网络的肋骨分割标记方法，其特征在于，对肋骨的背景填充具体为：

确定所述CT影像序列数据对应的标记确定肋骨所属位置，将所述肋骨所属位置之前的所有肋骨进行背景填充。

5.一种基于卷积神经网络的肋骨分割标记系统，其特征在于，包括：

获取模块，用于获取肋骨的CT影像序列数据；

输入模块，用于将所述CT影像序列数据输入至卷积神经网络模型中，得到预测结果数据，并将预测结果进行标记，其中，卷积神经网络模型通过对肋骨的背景填充、骨窗归一化处理以及损失计算进行训练；

预处理模块，用于从所述CT影像序列数据中剔除掉所述预测结果数据，得到剩余CT影像序列数据；

重复模块，用于将所述剩余CT影像序列数据作为新的CT影像序列数据，在所述新的CT影像序列数据的基础上，重复步骤2及步骤3，直至全部CT影像序列数据标记完毕；

其中，输入模块具体用于：

将所述CT影像序列数据输入至卷积神经网络模型中，所述卷积神经网络模型分割出所述CT影像序列数据中的第一根肋骨数据，将所述第一根肋骨数据作为预测结果数据，并将预测结果进行标记。

6.根据权利要求5所述的一种基于卷积神经网络的肋骨分割标记系统，其特征在于，所述损失计算包括：

二值交叉熵损失计算和dice损失计算。

7.根据权利要求6所述的一种基于卷积神经网络的肋骨分割标记系统，其特征在于，预处理模块具体用于：

将所述预测结果数据对应的背景区域按预设值进行填充，从所述CT影像序列数据中剔除填充后的预测结果数据，得到剩余CT影像序列数据。

8.根据权利要求5所述的一种基于卷积神经网络的肋骨分割标记系统，其特征在于，对肋骨的背景填充具体为：

确定所述CT影像序列数据对应的标记确定肋骨所属位置，将所述肋骨所属位置之前的所有肋骨进行背景填充。