[發(fā)明專利]一種基于深度學(xué)習(xí)的肺裂分割及完整性評估的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910406447.1
• 申請日: 2019-05-16
• 公開（公告）號: CN110136119A
• 公開（公告）日: 2019-08-16
• 發(fā)明（設(shè)計）人: 程國華;姜志強(qiáng);何林陽;季紅麗
• 申請（專利權(quán)）人: 杭州健培科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于深度學(xué)習(xí)的肺裂分割及完整性評估的方法和系統(tǒng)。相比傳統(tǒng)方法，明顯提升了肺裂分割的精度和計算效率，實(shí)現(xiàn)了全自動的肺裂分割和肺裂完整性評估。其中發(fā)明內(nèi)容的主要步驟包括：構(gòu)建肺裂分割數(shù)據(jù)集；訓(xùn)練基于全卷積神經(jīng)網(wǎng)絡(luò)的肺裂分割模型；預(yù)測肺裂區(qū)域并識別獲得左肺斜裂、右肺斜裂、右肺水平裂；估計完整肺裂；評估肺裂完整程度。由于采用了全卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了端到端的肺裂模型訓(xùn)練和預(yù)測，無需人工干預(yù)，預(yù)測速度快，并且采用了從粗到細(xì)的分割框架，解決了利用全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分割任務(wù)時類別標(biāo)簽數(shù)量極度不平衡問題，并通過引入肺葉分割去除了肺裂分割產(chǎn)生的假陽，使肺裂完整性評估更加精準(zhǔn)。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)影像處理領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的肺裂分割及完整性評估的方法和系統(tǒng)。

背景技術(shù)

肺裂在肺部疾病的檢測、分類和評估中具有非常重要的作用，因此準(zhǔn)確定位肺裂區(qū)域并分割肺裂在肺部疾病診斷方面具有十分重要的意義。CT影像中，肺裂在二維切面結(jié)構(gòu)中變現(xiàn)為曲率變化很小的曲線，在三維結(jié)構(gòu)中則表現(xiàn)為緞帶結(jié)構(gòu)或平面結(jié)構(gòu)。在臨床診斷中，了解肺裂結(jié)構(gòu)特征有助于肺部病灶的定位和肺部疾病的定量評估。而CT影像中要完成自動肺裂分割是十分困難的，肺裂往往存在不完整、形變、斷裂和附裂等現(xiàn)象。目前肺裂分割算法面臨著最大的挑戰(zhàn)：肺裂分割。

大量的檢測分割方法（如氣道、血管和肺的分割）均與肺的CT影像有關(guān)并且發(fā)展成熟，但肺裂的檢測分割方法卻仍在研究中，目前肺裂分割一般集中在計算幾何學(xué)方法自動檢測分割肺裂的方法上，但此方案存在局限性，此方法需要在“有利的”條件下才能夠達(dá)到良好的效果，即它的檢測是需要前提條件的；此方案的執(zhí)行效率低。而本發(fā)明中是基于全卷積神經(jīng)網(wǎng)絡(luò)算法對CT影像進(jìn)行分析、處理，實(shí)現(xiàn)自動肺裂分割，全卷積神經(jīng)網(wǎng)絡(luò)算法具備自我學(xué)習(xí)、不斷完善的特點(diǎn)，具有較小的局限性，并且利用神經(jīng)網(wǎng)絡(luò)算法替醫(yī)生完成肺裂分割將提高執(zhí)行率，降低誤差。

發(fā)明內(nèi)容

本方法提供一種基于深度學(xué)習(xí)的肺裂分割及完整性評估的方法和系統(tǒng)，其特征在于，包括以下步驟：S1）構(gòu)建肺裂分割數(shù)據(jù)集：采集胸部CT影像，對肺裂區(qū)域進(jìn)行類別標(biāo)注，并進(jìn)行數(shù)據(jù)預(yù)處理；S2）訓(xùn)練肺裂分割模型：基于步驟S1）的標(biāo)注數(shù)據(jù)，搭建全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到肺裂分割模型；S3）預(yù)測肺裂區(qū)域：將數(shù)據(jù)經(jīng)過步驟S1）的數(shù)據(jù)預(yù)處理，然后輸入到步驟S2）得到的肺裂分割模型，得到肺裂分割結(jié)果，并且利用已有的肺葉分割去除假陽；S4）估計完整肺裂：通過肺葉分割或擬合三維曲面的其中一種方式得到完整的肺裂；

S5）肺裂完整性計算：對不同的肺裂區(qū)域計算肺裂完整性，計算公式為：肺裂完整性=預(yù)測的肺裂區(qū)域面積/估計的完整肺裂面積。

可選的，步驟S1）中，醫(yī)生根據(jù)臨床解剖結(jié)構(gòu)，將肺裂分為三個區(qū)域進(jìn)行標(biāo)注，分別為：左肺斜裂，右肺斜裂，右肺水平裂。

可選的，步驟S1）中，數(shù)據(jù)預(yù)處理進(jìn)一步包括：對數(shù)據(jù)進(jìn)行歸一化處理，對數(shù)據(jù)進(jìn)行插值，使得數(shù)據(jù)在x,y,z三個方向上的物理像素間隔為d1,d2,d3，并且d1,d2,d3均為大于0的數(shù)；對數(shù)據(jù)進(jìn)行滑動切塊使數(shù)據(jù)塊滿足神經(jīng)網(wǎng)絡(luò)輸入的尺寸要求；進(jìn)行數(shù)據(jù)增廣，包括放縮，旋轉(zhuǎn)，換軸，高斯濾波，明暗處理等變換方式。

可選的，步驟S2）中，用以訓(xùn)練肺裂分割的全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)一步包括：該全卷積神經(jīng)網(wǎng)絡(luò)為從粗到細(xì)的分割模型；該全卷積神經(jīng)網(wǎng)絡(luò)由2個串聯(lián)的子網(wǎng)絡(luò)組成，該子網(wǎng)絡(luò)為輸入尺寸與輸出尺寸相同的全卷積神經(jīng)網(wǎng)絡(luò)；并且，第一個子網(wǎng)絡(luò)的輸入為原圖，輸出為預(yù)測的肺裂的ROI區(qū)域，第二個子網(wǎng)絡(luò)的輸入為原圖與第一個網(wǎng)絡(luò)ROI預(yù)測相乘的結(jié)果，輸出為預(yù)測的肺裂精準(zhǔn)區(qū)域；第一個子網(wǎng)絡(luò)的輸出通過Softmax函數(shù)激活，輸出為2個類別，分別為背景和ROI區(qū)域；第二個子網(wǎng)絡(luò)的輸出通過Softmax函數(shù)激活，輸出為4個類別，分別為左肺斜裂、右肺斜裂、右肺水平裂和背景。