[發明專利]一種縱膈淋巴結分割模型的生成方法及系統

有效

• 申請號: 202010148259.6
• 申請日: 2020-03-05
• 公開（公告）號: CN111340825B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 劉馨月;陳昶;謝冬;佘云浪;鄧家駿;王亭亭
• 申請（專利權）人: 上海市肺科醫院（上海市職業病防治院）
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 上海申新律師事務所 31272
• 代理人: 黨蕾

本發明提供一種縱膈淋巴結分割模型的生成方法及系統，涉及醫療圖像處理技術領域，包括：獲取若干胸外科患者的肺部CT圖像，并對各肺部CT圖像進行三維重建，得到三維圖像；分別對各三維圖像進行三維分割，得到標記有真實縱膈淋巴結病灶區域的三維標注圖像；將各三維標注圖像進行分組，得到訓練集、測試集和矯正集；訓練集訓練得到縱膈淋巴結分割模型；測試集輸入縱膈淋巴結分割模型得到相應的分割圖像，計算縱膈淋巴結分割模型的分割準確率；分割準確率小于準確率閾值，則矯正集對縱膈淋巴結分割模型進行矯正；分割準確率不小于準確率閾值，則將縱膈淋巴結分割模型進行保存。本發明有效提高縱膈淋巴結分割的準確性，且無需人工干預，實用性強。

技術領域

本發明涉及醫療圖像處理技術領域，尤其涉及一種縱膈淋巴結分割模型的生成方法及系統。

背景技術

肺癌的發病率高、死亡率高、5年生存率低，是全球癌癥致死首要因素。肺癌晚期時會出現擴散和轉移，其中縱隔淋巴結轉移是比較常見的一種情況。肺癌在出現淋巴轉移的早期并沒有明顯的癥狀，到了晚期的時候會出現淋巴結腫大。隨著病情的加重，會出現多個淋巴結腫大的情況。肺癌出現淋巴結轉移之后，絕大多數都沒有較好的辦法治療，因為此時癌細胞擴散轉移已經非常嚴重，通過淋巴系統遍布全身各處，形成很多的新的癌癥病灶。因此，淋巴結的準確分割對于手術摘除病灶有非常重要的意義。

目前醫學影像學已經成為肺癌檢查、治療方案選擇及療效檢測等最重要的手段之一，依據X射線成像、超聲成像、計算機斷層成像(Computer?Tomography,CT)、核磁共振成像(Magnetic?Resonance?Imaging,MRI)、正電子發射斷層成像(Positron?EmissionTomography,PET)等醫學影像學檢查方法，可以非侵入地“窺探”人體內部病灶，檢查腫瘤并監測其病情變化。但在傳統的淋巴結分割時，專業醫師必須通過觀察影像圖像，進行人工分割。這種方法需要專業醫生對大量的數據進行繁瑣的人工操作，由于長期且大量的重復工作，醫生可能會出現一些識別及邊緣分割的誤差，同時這種方法分割結果的準確性及可靠性嚴重依賴于醫生的經驗知識和專業素質，結果的準確性受到限制，因此，研究一種淋巴結自動分割系統是十分必要的。

近年來，機器學習與深度學習不斷發展，已經在多個領域發揮出優異的性能。在醫學信息分析領域，機器學習與深度學習算法在乳腺腫塊分類、乳腺鉬靶腫瘤檢測等領域中得到了廣泛的應用。U型網絡(U-Net)對細胞圖像的成功分割，再次證明了深度學習可以很好地被用于醫學圖像的語義分割。目前深度學習在臨床肺部病灶的應用多局限于肺部結節，然而肺部縱膈淋巴結的檢測與分割對醫生手術方案的制定，淋巴結清掃有著重大的意義，但是目前還沒有利用深度學習從肺癌病灶的CT圖像上對肺癌的縱膈淋巴結進行分割的方法。

發明內容

針對現有技術中存在的問題，本發明提供一種縱膈淋巴結分割模型的生成方法，具體包括以下步驟：

步驟S1，獲取若干胸外科患者的肺部CT圖像，并對各所述肺部CT圖像進行三維重建，得到每個所述胸外科患者對應的三維圖像；

步驟S2，分別對各所述三維圖像進行三維分割，得到標記有真實縱膈淋巴結病灶區域的三維標注圖像；

步驟S3，將各所述三維標注圖像進行分組，得到訓練集、測試集和矯正集；

步驟S4，根據所述訓練集中的各所述三維標注圖像訓練得到縱膈淋巴結分割模型；

步驟S5，分別將所述測試集中的每個所述三維標注圖像輸入所述縱膈淋巴結分割模型得到相應的分割圖像，并根據各所述分割圖像與對應的所述真實縱膈淋巴結病灶區域，計算得到所述縱膈淋巴結分割模型的分割準確率；

步驟S6，將所述分割準確率與預設的準確率閾值進行比較：

若所述分割準確率小于所述準確率閾值，則轉向步驟S7；

若所述分割準確率不小于所述準確率閾值，則轉向步驟S8；