[发明专利]一种椎体终板及邻近松质骨自动分割方法及装置

说明书

本发明涉及医学图像处理领域，公开了一种椎体终板及邻近松质骨自动分割方法及装置，用于提高椎体终板邻近松质骨分割的准确率。方法包括：对初始椎体CT影像数据进行重采样和归一化处理，得到目标椎体CT影像数据；将目标椎体CT影像数据输入椎体亚区域分割模型进行区域分割处理，得到目标椎体分割掩膜、目标终板分割掩膜以及目标侧板分割掩膜；根据计算机图形学原理，对目标终板分割掩膜进行解剖形态学识别，得到终板法向量；根据预先设定的宽度与高度和终板法向量，计算终板邻近松质骨区域分割掩膜，并对目标椎体分割掩膜、目标终板分割掩膜以及目标侧板分割掩膜的非松质部分进行去除，得到椎体终板及邻近松质骨自动分割结果。

技术领域

本发明涉及医学图像处理领域，尤其涉及一种椎体终板及邻近松质骨自动分割方法及装置。

背景技术

临床上为研究例如椎间融合器导致的终板下沉等一系列问题，需要测量终板中间区域向椎体内部方向内凹的松质骨区域的骨密度，所以首先需要对不同厚度和宽度的椎体终板临近松质骨区域进行分割。

目前对于椎体终板及邻近松质骨自动分割方法常用的有：基于形态学算法和相似度指标等传统的图像特征提取方法，自动分割出椎体终板，并使用数据增强方法，并基于深度学习模型，使用专家手动标注进行模型训练，改善了模型的泛化能力及可扩展性；但现有方案只能对终板进行分割，无法对椎体终板临近松质骨进行分割，进而也无法对该区域进行骨密度测量，无法帮助临床上对椎间融合器下沉等一系列问题的研究，因此，现有方案的准确率较低。

发明内容

本发明提供了一种椎体终板及邻近松质骨自动分割方法及装置，用于提高椎体终板邻近松质骨分割的准确率。

本发明第一方面提供了一种椎体终板及邻近松质骨自动分割方法，所述椎体终板及邻近松质骨自动分割方法包括：

获取目标椎体的初始椎体CT影像数据，并对所述初始椎体CT影像数据进行重采样和归一化处理，得到目标椎体CT影像数据；

根据深度学习原理，将所述目标椎体CT影像数据输入预置的椎体亚区域分割模型进行区域分割处理，得到目标椎体分割掩膜、目标终板分割掩膜以及目标侧板分割掩膜；

根据计算机图形学原理，对所述目标终板分割掩膜进行解剖形态学识别，得到终板法向量；

根据预先设定的宽度与高度和终板法向量，计算终板邻近松质骨区域分割掩膜，并对所述目标椎体分割掩膜、所述目标终板分割掩膜以及所述目标侧板分割掩膜的非松质部分进行去除，得到椎体终板及邻近松质骨自动分割结果。

结合第一方面，在本发明第一方面的第一实施方式中，所述获取目标椎体的初始椎体CT影像数据，并对所述初始椎体CT影像数据进行重采样和归一化处理，得到目标椎体CT影像数据，包括：

获取目标椎体的初始椎体CT影像数据；

对所述初始椎体CT影像数据进行重采样处理，得到重采样比率；

根据所述重采样比率，对所述初始椎体CT影像数据进行像素值标准化处理，得到标准椎体CT影像数据；

对所述标准椎体CT影像数据进行数据增强处理，得到目标椎体CT影像数据。

结合第一方面，在本发明第一方面的第二实施方式中，所述根据深度学习原理，将所述目标椎体CT影像数据输入预置的椎体亚区域分割模型进行区域分割处理，得到目标椎体分割掩膜、目标终板分割掩膜以及目标侧板分割掩膜，包括：

将所述目标椎体CT影像数据输入预置的椎体亚区域分割模型，其中，所述椎体亚区域分割模型包括：U-Net网络和多任务分类器；

通过所述椎体亚区域分割模型对所述目标椎体CT影像数据进行高维特征提取，输出初始椎体分割掩膜、初始终板分割掩膜以及初始侧板分割掩膜；