[发明专利]一种CT图像下肝脏肿瘤的分割方法与装置

说明书

本发明公开了一种CT图像下肝脏肿瘤的分割方法与装置，将训练集中每个第一预设尺寸的原始CT图像裁剪为三张相邻的第二预设尺寸的切片，并以中间切片的分割结果作为标签，将对应的三张相邻切片构成一个训练样本；将一个或多个训练样本输入预设网络中进行训练，得到训练好的分割模型；其中，所述预设网络包括预处理模块和全卷积分割网络；对于任一待测CT图像，每次以三张相邻的第一预设尺寸的切片输入至训练好的所述分割模型中，基于联合损失函数得到中间切片的分割结果。本方案可有效解决传统肝脏肿瘤图像分割存在的问题，解决肝脏CT图像成像差异大和肿瘤形状大小不一等问题，提升肝脏肿瘤自动分割方法的性能与效果。

技术领域

本发明属于图像分割技术领域，更具体地，涉及一种CT图像下肝脏肿瘤的分割方法与装置。

背景技术

肝脏是人体必需的器官之一，具有代谢和解毒等功能，而肝癌是目前世界上最普遍的癌症之一，严重威胁着人类的生命健康。随着医学成像技术的发展，计算机断层扫描(Computed Tomography，简写为CT)、磁共振成像等影像学检查在临床诊断中已经大规模应用，其中CT技术是肝脏肿瘤检查和诊断中最常用的手段。目前肝脏肿瘤的治疗方法主要包括手术切除、消融治疗、放射治疗等，但无论是哪种治疗手段，都需要精确了解肿瘤的大小、形状、位置等信息。因此，基于肝脏区域的医学影像实现肝脏肿瘤的精准分割是肝脏肿瘤治疗的首要任务。

目前肝脏肿瘤分割的挑战性主要体现在以下两个方面：一是肿瘤的大小不一、形状多变，位置和数目也不固定；二是不同的成像设备与图像采集方案、不同的造影剂、不同水平的对比度增强和不同的扫描分辨率等因素，都会给肝脏和肿瘤的成像带来不可预测的强度差异，造成边界模糊、密度和灰度不均、噪声干扰等问题。为了改进以上问题，保证肝脏肿瘤能够进行自动化精准分割，需要一种可在CT图像下实现肝脏肿瘤自动分割的方法，确保软件系统能始终获取到高质量、高精确度的分割结果。

传统的肝脏肿瘤图像分割需要有经验的放射科医师手动进行肿瘤的识别、标注和分割，费时费力，同时分割结果严重依赖于不同医师的主观判断。尤其是体现在CT扫描图像的预处理方式中：不同的医学图像问题需要设置不同的窗口区间，即使对于同一个医学问题，比如肝脏肿瘤分割，窗口区间的设定也因人而异，所以传统的预处理方式具有很强的主观性和经验性，而且这种方式很难考虑整体的数据分布。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种CT图像下肝脏肿瘤的分割方法与装置，其目的在于通过将预处理部分集成到整个网络的学习过程中，基于全卷积网络实现肝脏肿瘤的自动分割，由此解决传统肝脏肿瘤图像分割具有很强的主观性和经验性等技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种CT图像下肝脏肿瘤的分割方法，包括：

将训练集中每个第一预设尺寸的原始CT图像裁剪为三张相邻的第二预设尺寸的切片，并以中间切片的分割结果作为标签，将对应的三张相邻切片构成一个训练样本；

将一个或多个训练样本输入预设网络中进行训练，得到训练好的分割模型；其中，所述预设网络包括预处理模块和全卷积分割网络；

对于任一待测CT图像，每次以三张相邻的第一预设尺寸的切片输入至训练好的所述分割模型中，基于联合损失函数得到中间切片的分割结果。

优选地，所述预处理模块用于对输入的训练样本进行CT图像预处理，具体包括一个卷积层和一个激活层；

其中，所述卷积层的卷积核大小为1×1，用于对输入的训练样本进行卷积处理；所述激活层用于对输入的训练样本进行激活处理。

优选地，所述预处理模块对训练样本的预处理公式具体为：

其中，常数U为窗口函数的上界，W和b均为卷积层的参数，x为原始CT图像的CT值。

优选地，所述全卷积分割网络包括编码器和解码器；