[發明專利]CT圖像中肺部血管分割方法

在審

• 申請號: 201811384307.0
• 申請日: 2018-11-20
• 公開（公告）號: CN109584223A
• 公開（公告）日: 2019-04-05
• 發明（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

本發明公開了一種CT圖像中肺部血管分割方法，包括：使用堆疊式全卷積神經網絡依次對未增強的肺部CT圖像進行肺部區域的提取與血管分割，并輸出血管分類概率；基于血管分類概率，使用基于血管走形的區域生長算法獲得最終的肺部血管分割結果。上述方法可以極大的提高血管分割精確度，實驗表明上述方法無論是精確度、召回率及F值都優于現有方案。

技術領域

本發明涉及CT圖像處理技術領域，尤其涉及一種CT圖像中肺部血管分割方法。

背景技術

醫學圖像分割技術是醫學領域圖像處理的關鍵技術之一，由于身體組織器官的復雜性和個體差異性，不再加上醫學圖像具有一些自己的特征，例如成像的原理和模型的多樣性、噪聲以及不同的設備狀況都會導致最后有不同的成像結果，造成了傳統圖像分割算法在醫學圖像分割領域中分割結果不準確問題。

在醫學圖像分割領域中的肺部血管分割領域中，肺部血管成像有血管對比度低，細小血管結構復雜，肺部組織結構復雜，肺部圖像噪聲較多等特點，使得準確的肺部血管分割具有一定的難度，在過去一些時間內，大多通過人工方式來進行，但是，對操作者的水平要求較高，并且，其精確度也難以保證。

近年來，學者們運用深度學習技術對疾病診斷分析，深度學習運用于醫學領域提高疾病診斷和輔助治療已經成為一種趨勢，并且在醫學圖像分割中具有重大的研究意義，但是，目前基于U-net的分割算法精確度還有待提升。

發明內容

本發明的目的是提供一種CT圖像中肺部血管分割方法，具有較高的精確度。

本發明的目的是通過以下技術方案實現的：

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域生長算法獲得最終的肺部血管分割結果。

由上述本發明提供的技術方案可以看出，通過堆疊式全卷積神經網絡與基于血管走形的區域生長算法相配合實現的肺部血管分割方式，可以極大的提高血管分割精確度，實驗表明本發明提供的方案無論是精確度、召回率及F值都優于現有方案。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的一種CT圖像中肺部血管分割方法的框架圖；

圖2為本發明實施例提供的肺部區域分割結果示意圖；

圖3為本發明實施例提供的肺部區域提取過程示意圖；

圖4為本發明實施例提供的血管走形特征判斷示意圖；

圖5為本發明實施例提供的肺部血管分割結果示意圖。

具體實施方式

下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例?；诒景l明的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明的保護范圍。

本發明實施例提供一種CT圖像中肺部血管分割方法，如圖1所示，其主要包括如下兩個部分：

1、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。