[發明專利]醫學圖像的自動分割方法、系統、設備及存儲介質

有效

• 申請號: 201810634693.8
• 申請日: 2018-06-20
• 公開（公告）號: CN108898606B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 胡懷飛;劉海華;潘寧;李旭;高智勇
• 申請（專利權）人: 中南民族大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/00
• 代理公司: 北京安度修典專利代理事務所(特殊普通合伙) 11424
• 代理人: 楊方成

本發明提供一種醫學圖像的自動分割方法和系統。該醫學圖像的自動分割方法包括：采用視覺注意模型獲得待訓練的醫學圖像的顯著圖，并用于訓練深度學習神經網絡的參數；通過視覺注意模型獲得待分割的醫學圖像的顯著圖，并輸入到訓練好的深度學習神經網絡中進行分割，得到初分割結果；把初分割結果用于構建統計形狀模型的初始輪廓并且用于優化所述統計形狀模型，以及采用優化的統計形狀模型對待分割的醫學圖像進行分割。本發明將統計形狀模型和深度學習模型結合起來，利用深度學習網絡的初分割結果減少統計形狀模型中匹配操作的計算量，從而實現了利用統計形狀模型快速、準確地對三維醫學圖像進行分割。

技術領域

本發明屬于醫學圖像的計算機分析技術的應用領域，具體涉及一種醫學圖像的自動分割方法及系統。

背景技術

近年來，隨著醫學診斷和影像技術的不斷發展，醫學圖像的各種計算機輔助分析方法在預測疾病、介入治療指導等方面得到了廣泛的應用。心臟是人體最為重要器官，負責把血液運行至身體各個部分，心臟疾病直接影響到人的生死存亡。據統計心臟疾病是全球死亡率最高的疾病之一，給社會經濟發展帶來巨大的影響。為此，開展心臟病早期診斷與治療的新技術研究，具有非常重要的社會意義與使用價值。

在臨床上，對心臟射血分數和心肌質量，以及其它功能參數(如室壁運動和壁厚)的評估，是心臟疾病早期診斷的重要手段之一。而這些功能參數指標的測量依賴于醫學影像(如MR成像，CT成像和SPECT成像)中心臟在不同時間上的分割，即四維分割。醫學圖像的分割是將醫學圖像中具有特殊含義的不同區域分開的過程。隨著成像設備時間和空間分辨率的大幅提高，海量的影像數據極大地增加了分割難度。另外，對于復雜的醫學圖像(例如心臟圖像)，現有的分割方法容易受圖像質量的影響，缺乏普適性和魯棒性。因此，借助于信息處理技術，研究準確的醫學圖像自動分割方法成為研究的熱點。

發明內容

本公開的目的在于克服現有技術的不足，提供一種醫學圖像的自動分割方法和分割系統，能夠快速、準確地對醫學圖像進行分割。

為了實現上述目的，本發明提供一種醫學圖像的自動分割方法，包括：

采用視覺注意模型獲得待訓練的醫學圖像的顯著圖；

將待訓練的醫學圖像的顯著圖輸入深度學習神經網絡中，以便訓練深度學習神經網絡的參數；

通過視覺注意模型獲得待分割的醫學圖像的顯著圖，并利用訓練好的深度學習神經網絡對待分割的醫學圖像的顯著圖進行分割，得到初分割結果；

基于所述初分割結果來構建統計形狀模型的初始輪廓和優化所述統計形狀模型，以獲得優化的統計形狀模型；以及

采用優化的統計形狀模型對待分割的醫學圖像進行分割，得到該醫學圖像的輪廓。

按照本發明的另一方面，提供了一種醫學圖像的自動分割系統，包括：

顯著圖生成模塊，其采用視覺注意模型獲得待訓練醫學圖像的顯著圖；

訓練模塊，用于將待訓練的醫學圖像的顯著圖輸入深度學習神經網絡中，以便訓練深度學習神經網絡的參數；

初分割模塊，用于通過所述視覺注意模型獲得待分割的醫學圖像的顯著圖，并利用訓練好的深度學習神經網絡對待分割的醫學圖像的顯著圖進行分割，得到初分割結果；

輪廓構建和優化模塊，用于基于所述初分割結果來構建形狀模型的初始輪廓和優化所述統計形狀模型，得到優化的統計形狀模型；以及

輪廓生成模塊，用于采用優化的統計形狀模型對待分割的醫學圖像進行分割，得到該醫學圖像的輪廓。

優選地，統計形狀模型是三維活動形狀模型，輪廓構建和優化模塊包括：

輪廓構建單元，用于基于所述初分割結果構建三維活動形狀模型的初始形狀，和