[發(fā)明專利]一種基于CT圖像的靜動脈分離方法及裝置在審

申請?zhí)枺?/td>	201911320101.6	申請日：	2019-12-19
公開（公告）號：	CN111028248A	公開（公告）日：	2020-04-17
發(fā)明（設計）人：	姜志強;程國華;何林陽;季紅麗	申請（專利權）人：	杭州健培科技有限公司
主分類號：	G06T7/11	分類號：	G06T7/11;G06T7/194
代理公司：	暫無信息	代理人：	暫無信息
地址：	311200 浙江省杭州市蕭山區(qū)經(jīng)濟技***	國省代碼：	浙江;33
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于 ct 圖像動脈分離方法裝置
鉆瓜網(wǎng) 技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發(fā)明公開了一種基于CT圖像的靜動脈分離方法及裝置，相比于傳統(tǒng)方法和醫(yī)生手工標注，提高了靜動脈分離的效率和精度，實現(xiàn)了全自動的靜動脈分離，無需人工介入。發(fā)明內容的主要步驟包括：使用預設的三維肺分割模型對胸部CT圖像進行肺部區(qū)域分割，得到肺部區(qū)域的三維掩模(mask)；對所述肺mask做凸包操作，并根據(jù)所述凸包后的肺mask取肺部區(qū)域，并將所述肺外區(qū)域像素值置為0，且根據(jù)所述肺mask得到最大肺外接包圍框；利用預設的無下采樣三維空洞卷積神經(jīng)網(wǎng)絡在所述肺外接包圍框內對所述肺分割后的CT圖像進行靜動脈分離，得到靜動脈mask。由于使用了精準的標注數(shù)據(jù)進行訓練，再加上使用三維空洞卷積神經(jīng)網(wǎng)絡進行學習，減少信息量的丟失，實現(xiàn)了靜動脈精準分離。

技術領域

本發(fā)明設計醫(yī)學影像處理領域，特別涉及一種基于CT圖像的靜動脈分離方法及裝置。

背景技術

在過去的幾十年里，計算機斷層掃描(CT)已經(jīng)成為診斷和評估肺部疾病、最常見的成像方式。現(xiàn)代CT掃描儀結合現(xiàn)代成像技術，允許使用低輻射劑量(半)自動識別和提取肺結構，如血管和支氣管，具有較高的準確性。然而，盡管近年來在CT圖像分割技術方面取得了一定的進展，但仍有許多問題沒有得到解決。其中，肺動脈和肺靜脈的識別和鑒別是最具挑戰(zhàn)性的問題之一。

將肺血管分為動脈/靜脈(A/V)可能有助于醫(yī)生準確診斷可能以特定方式影響動脈或靜脈樹的肺部疾病。例如，最近的研究表明，A/V分類可以更好地評估肺栓塞，而動脈樹的變化與慢性血栓栓塞性肺動脈高壓(CTEPH)的發(fā)展相關。此外，肺實質內動脈的改變與右心室功能障礙有關。為了檢測兩棵血管樹的變化，醫(yī)生手動分析患者的胸部CT圖像以尋找異常。這個過程是耗時的，難以標準化，因此不適合大型臨床研究或在現(xiàn)實世界的臨床決策。因此，在CT圖像中實現(xiàn)動靜脈的自動分離成為人們關注的熱點，它可以幫助醫(yī)生準確診斷病變。

因此，我們提出了一種全自動的基于深度卷積神經(jīng)網(wǎng)絡的靜動脈分離方法，可以提高靜動脈分離的效率和精度。

發(fā)明內容

本發(fā)明實施例提供一種基于CT圖像的靜動脈分離方法及裝置，用以自動分離胸部CT圖像中肺動脈和肺靜脈。

本發(fā)明實施例提供一種基于CT圖像的靜動脈分離方法，包括：

使用預設的三維肺分割模型對胸部CT圖像進行肺部區(qū)域分割，得到肺部區(qū)域的三維掩模(mask)；

對所述肺mask做凸包操作，并根據(jù)所述凸包后的肺mask取肺部區(qū)域，并將所述肺外區(qū)域像素值置為0，且根據(jù)所述肺mask得到最大肺外接包圍框；

利用預設的無下采樣三維空洞卷積神經(jīng)網(wǎng)絡在所述肺外接包圍框內對所述肺分割后的CT圖像進行靜動脈分離，得到靜動脈mask。

可選的，所述三維肺分割模型可以為基于深度學習的三維分割模型。

可選的，對所述肺mask做凸包操作，包括：

將三維mask轉換為多張二維mask；然后，對每張二維mask做凸包；最后按照順序，將多張二維mask組成三維mask。

可選的，所述預設的無下采樣三維空洞卷積神經(jīng)網(wǎng)絡的網(wǎng)絡參數(shù)通過訓練得到，其中訓練數(shù)據(jù)由經(jīng)驗豐富的專業(yè)醫(yī)生標注得到，訓練數(shù)據(jù)為3維數(shù)據(jù)塊。

可選的，所述無下采樣三維空洞卷積神經(jīng)網(wǎng)絡由三維空洞卷積（3D AtrousConvolution）模塊和三維卷積模塊組成，包括：