[发明专利]基于深度学习的肺结节半自动分割方法、装置、设备及介质

权利要求书

1.一种基于深度学习的肺结节半自动分割方法，其特征在于，所述方法，包括：

获取待分割三维肺部医学影像数据，并对所述待分割三维肺部医学影像数据进行预处理和数据增强；

在所述待分割三维肺部医学影像数据的交互层中获取位置先验信息，并根据所述位置先验信息，生成交互信息图；

将所述交互层的二维肺部医学影像以及所述交互信息图，输入至预设的交互模型中，以生成二维肺结节分割结果；

根据所述二维肺结节分割结果，在所述待分割三维肺部医学影像中裁剪出肺结节所在区域的三维医学影像，以作为兴趣区域，将所述兴趣区域输入至预设分割模型中，以生成第一三维肺结节分割结果；

通过预设的传播模型对所述待分割三维肺部医学影像数据的未分割层进行逐层分割，以获取每层的逐层分割结果，并根据所述每层的逐层分割结果以及所述二维肺结节分割结果，生成第二三维肺结节分割结果；

根据所述第一三维肺结节分割结果以及所述第二三维肺结节分割结果，确定实际三维肺结节分割结果；

其中，所述通过预设的传播模型对所述待分割三维肺部医学影像数据的未分割层进行逐层分割，以获取每层的逐层分割结果，包括：

将当前正在分割的二维肺部医学影像所在层作为目标层，将已通过所述交互模型或者所述传播模型分割过的二维肺部医学影像所在层作为已分割层；

获取已分割层深度学习特征、肺结节三维特征以及目标层深度学习特征，并输入至所述传播模型；

通过所述传播模型，以所述交互层的相邻帧作为起点，逐层进行二维肺结节分割，以获取所述每层的逐层分割结果。

2.如权利要求1所述的基于深度学习的肺结节半自动分割方法，其特征在于，所述将所述交互层的二维肺部医学影像以及所述交互信息图，输入至预设的交互模型中，以生成二维肺结节分割结果之前，包括：

对所述交互模型的输入层进行重构；

所述重构的流程具体包括：

将所述交互层的二维医学影像以及所述交互信息图的图像通道数修改为预设通道数；

将预训练的输入层权重按照通道方向加和，作为所述交互模型的输入层的第一个图像通道的权重；

采用高斯分布随机初始化所述交互模型的输入层的第二个图像通道的权重。

3.如权利要求1所述的基于深度学习的肺结节半自动分割方法，其特征在于，所述目标层深度学习特征通过如下方式获取，包括：

通过编码器获取所述目标层的二维肺结节医学影像的第一键值，以及已分割层的二维肺结节医学影像的第二键值；

通过所述编码器对所述已分割层的二维肺结节医学影像进行处理，以获取已分割层的特征图；

根据所述第一键值以及所述第二键值，生成相似度矩阵；

根据所述相似度矩阵以及所述已分割层特征图之间的乘积，获取所述目标层深度学习特征。

4.如权利要求1所述的基于深度学习的肺结节半自动分割方法，其特征在于，所述肺结节三维特征通过如下方式获取：

在所述预设分割模型输出的每个三维深度学习特征图中，分别选取所述目标层对应的二维特征图；

根据所述兴趣区域尺寸，将所述二维特征图还原至与所述目标层的二维肺部影像尺寸一致的特征图，作为所述肺结节三维特征。

5.如权利要求1所述的基于深度学习的肺结节半自动分割方法，其特征在于，所述并根据所述位置先验信息，生成交互信息图，包括：

当所述位置先验信息为通过点击方式录入时，生成第一交互信息图，在所述第一交互信息图中以点击位置作为中心点生成预设大小的高斯分布热力图，所述第一交互信息图中所述中心点的像素值为1，边界的像素值为0，所述高斯分布热力图之外的区域的像素值为0；

当所述位置先验信息通过划线方式录入时，生成第二交互信息图，所述第二交互信息图中划线区域像素为1，其余区域像素为0。