[发明专利]一种基于CT影像的气管提取方法、装置、设备及存储介质

说明书

本发明公开一种基于CT影像的气管提取方法、装置、设备及存储介质，方法包括：获取原始CT图像训练集以及与所述原始CT图像训练集对应的语义分割图像训练集，并进行矩阵化处理，得到原始矩阵训练集以及语义分割矩阵训练集；将原始矩阵训练集以及语义分割矩阵训练集输入至3D神经网络中，由神经网络进行训练后，得到预测模型；对待预测CT图像进行矩阵化处理后，将矩阵化处理后的待预测CT图像输入至所述预测模型中，由预测模型输出预测矩阵；对预测矩阵进行二值化处理，对二值化处理后的预测矩阵进行骨化处理后，对骨化处理后的支气管结构图进行树杈结构检测，以得到支气管分段树结构。本发明解决了目前无法在CT影像中较好的提取气管信息的问题。

技术领域

本发明涉及CT扫描技术领域，具体涉及一种基于CT影像的气管提取方法、装置、设备及存储介质。

背景技术

目前增强CT扫描和低剂量CT扫描对胸部的检查、诊断和术前规划有着普遍的应用和重要的意义。医生可以通过影像数据对病灶部位进行诊断。诊断的时候基本都基于二维影像，虽然目前影像设备工作站和图像浏览客户端有提供3D后处理，但是需要人工介入，同时花费较多的时间和精力。特别是支气管在胸外CT影像中的密度非常低，血管的密度相对支气管非常高。所以很难在查看图像的时候，同时较好的显示支气管和血管。并且二维影像下很难做出手术规划，特别是需要避开支气管和血管的穿刺治疗方案和放疗治疗方案。

发明内容

本发明的目的在于克服上述技术不足，提供一种基于CT影像的气管提取方法、装置、设备及存储介质，解决现有技术中无法在CT影像中较好的提取气管信息的技术问题。

为达到上述技术目的，本发明采取了以下技术方案：

第一方面，本发明提供一种基于CT影像的气管提取方法，包括如下步骤：

获取原始CT图像训练集以及与所述原始CT图像训练集对应的语义分割图像训练集；

对所述原始CT图像训练集以及所述语义分割图像训练集进行矩阵化处理，得到原始矩阵训练集以及语义分割矩阵训练集；

将所述原始矩阵训练集以及语义分割矩阵训练集输入至预设的3D神经网络中，由所述神经网络进行训练后，得到预测模型；

获取待预测CT图像，对所述待预测CT图像进行矩阵化处理后，将矩阵化处理后的待预测CT图像输入至所述预测模型中，由所述预测模型输出预测矩阵；

对所述预测矩阵进行二值化处理，对二值化处理后的预测矩阵进行骨化处理后，对骨化处理后的支气管结构图进行树杈结构检测，以得到支气管分段树结构。

优选的，所述的基于CT影像的气管提取方法中，所述对所述原始CT图像训练集以及所述语义分割图像训练集进行矩阵化处理，得到原始矩阵训练集以及语义分割矩阵训练集具体包括：

对所述原始CT图像训练集以及所述语义分割图像训练集中的各个图像进行值域调整处理；

对值域调整后的各张图像进行预处理，得到预处理后的原始采样样本和语义分割采样样本；

将所述原始采样样本和语义分割采样样本进行矩阵化处理，得到原始矩阵训练集以及语义分割矩阵训练集。

优选的，所述的基于CT影像的气管提取方法中，所述对值域调整后的各张图像进行预处理具体为：

对值域调整后的各张图像进行插值、减采样和切割处理。

优选的，所述的基于CT影像的气管提取方法中，所述神经网络采用3DU-Net卷积神经网络。

优选的，所述的基于CT影像的气管提取方法中，所述对所述预测矩阵进行二值化处理，对二值化处理后的预测矩阵进行骨化处理后，对骨化处理后的支气管结构图进行树杈结构检测，以得到支气管分段树结构具体包括：