[發(fā)明專利]CT圖像中肺部血管分割方法

在審

• 申請?zhí)枺?/td>: 201811384307.0
• 申請日: 2018-11-20
• 公開（公告）號: CN109584223A
• 公開（公告）日: 2019-04-05
• 發(fā)明（設計）人: 張勇東;王裕鑫;謝洪濤
• 申請（專利權）人: 北京中科研究院;中國科學技術大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

1.一種CT圖像中肺部血管分割方法，其特征在于，包括：

使用堆疊式全卷積神經網絡依次對未增強的肺部CT圖像進行肺部區(qū)域的提取與血管分割，并將一系列二維血管分割結果堆疊為三維血管分割結果；

基于三維血管分割結果，使用基于血管走形的區(qū)域生長算法獲得最終的肺部血管分割結果。

2.根據(jù)權利要求1所述的一種CT圖像中肺部血管分割方法，其特征在于，所述堆疊式全卷積神經網絡在訓練階段與測試階段都是針對單張未增強的肺部CT圖像進行操作，最后將一系列的二維血管分割結果進行堆疊從而得到三維的結果。

3.根據(jù)權利要求1所述的一種CT圖像中肺部血管分割方法，其特征在于，堆疊式全卷積神經網絡包含兩個結構相同的全卷積神經網絡，分別記為Stage-I FCN與Stage-IIFCN；

其中，未增強的肺部CT圖像輸入至Stage-I FCN，通過Stage-I FCN輸出的肺部區(qū)域概率圖閾值得到只含肺部區(qū)域的二值掩膜，該二值掩膜與未增強的肺部CT圖像進行乘操作得到只含肺部區(qū)域的CT圖像；

利用Stage-II FCN對只含肺部區(qū)域的CT圖像進行特征提取后，輸出血管的分類概率，對血管的分類概率進行閾值操作得到血管分割結果。

4.根據(jù)權利要求1或3所述的一種CT圖像中肺部血管分割方法，其特征在于，Stage-IFCN與Stage-II FCN均包含15次卷及操作，3次最大池化操作和3次反卷積操作；根據(jù)特征圖尺寸和位置不同，網絡總共分為7組卷積層，第1～第6組卷積層中包含兩次卷積操作，第7組中有3次卷積操作；

根據(jù)網絡結構，分成下采樣階段和上采樣階段；在下采樣階段一共進行了3次最大池化操作，每次最大池化操作使得特征圖尺寸減半；在上采樣階段，總共進行了三次反卷積操作，每次反卷積使得特征圖尺寸增倍。

5.根據(jù)權利要求1所述的一種CT圖像中肺部血管分割方法，其特征在于，所述基于血管走形的區(qū)域生長算法在傳統(tǒng)的區(qū)域生長算法基礎上，加入了血管走形的條件對生長候選集進行約束；

所述基于血管走形的區(qū)域生長算法包含如下兩步：首先，采用連通域算法選取體素大于設定值的連通域作為種子，種子包含了主干血管，不包含噪聲和斷裂的血管部分，剩下的非種子的連通域集合則為需要判斷的部分，簡稱非種子集合；然后，在三維方向上對滿足種子血管走形條件的非種子集合進行自動連接；方法為：對非種子集合計算血管走形特征值，并且設置閾值對非種子集合中每個連通域的血管走形特征值進行篩選，若連通域的血管走形特征值低于閾值，則判定為非血管的噪聲不計入生長候選集，反之，若高于閾值，則判定為血管計入生長候選集，最后運用區(qū)域生長算法將滿足閾值條件的連通域進行生長，最終輸出結果即為肺部血管分割結果。