[發(fā)明專利]一種胸腔器官的分割方法及裝置有效
| 申請(qǐng)?zhí)枺?/td> | 202010166412.8 | 申請(qǐng)日: | 2020-03-11 |
| 公開(公告)號(hào): | CN111369574B | 公開(公告)日: | 2023-05-16 |
| 發(fā)明(設(shè)計(jì))人: | 李秀林;韓文廷;石軍;陳俊仕;郝曉宇;王朝暉;文可 | 申請(qǐng)(專利權(quán))人: | 合肥凱碧爾高新技術(shù)有限公司 |
| 主分類號(hào): | G06T7/11 | 分類號(hào): | G06T7/11;G06T7/136;G06T7/187;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司: | 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227 | 代理人: | 王洋 |
| 地址: | 230026 安徽省合肥市中國科學(xué)*** | 國省代碼: | 安徽;34 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 胸腔 器官 分割 方法 裝置 | ||
本申請(qǐng)?zhí)峁┝艘环N胸腔器官分割方法及裝置,其中,方法包括:獲取待分割圖像;將待分割圖像輸入完成訓(xùn)練的網(wǎng)絡(luò)模型,得到分類結(jié)果和分割數(shù)據(jù);網(wǎng)絡(luò)模型包括:主干網(wǎng)絡(luò)和分類器;主干網(wǎng)絡(luò)和分類器連接;主干網(wǎng)絡(luò)包括編碼模塊和解碼模塊;編碼模塊的數(shù)量和解碼模塊的數(shù)量相同;主干網(wǎng)絡(luò)中對(duì)應(yīng)位置的編碼模塊和解碼模塊進(jìn)行跳轉(zhuǎn)連接;分類結(jié)果是分類器輸出的表示待分割圖像中包含待分割胸腔器官的概率;分割數(shù)據(jù)是主干網(wǎng)絡(luò)輸出的對(duì)待分割胸腔器官的分割結(jié)果;根據(jù)分類結(jié)果和分割數(shù)據(jù),確定分割結(jié)果;輸出分割結(jié)果。本申請(qǐng)可以降低假陽性分割結(jié)果。
技術(shù)領(lǐng)域
本申請(qǐng)涉及醫(yī)學(xué)圖像處理領(lǐng)域,尤其涉及一種胸腔器官的分割方法及裝置。
背景技術(shù)
精準(zhǔn)的器官分割對(duì)于胸腔惡性腫瘤的放射治療過程有著至關(guān)重要的影響,因?yàn)槠渲苯佑绊懛暖熡?jì)劃中照射范圍和劑量的制定。
近年來,深度學(xué)習(xí)技術(shù)發(fā)展迅速,越來越廣泛地被應(yīng)用于醫(yī)學(xué)圖像分析領(lǐng)域,并取得了顯著的效果。其中,對(duì)于醫(yī)學(xué)圖像中的器官分割任務(wù),深度卷積神經(jīng)網(wǎng)絡(luò)已然成為了主流研究方法。最具代表性的是基于全卷積神經(jīng)網(wǎng)絡(luò)的FCN和U-Net結(jié)構(gòu),二者通過特征自動(dòng)提取和梯度反向傳播優(yōu)化機(jī)制,實(shí)現(xiàn)了對(duì)輸入圖像的逐像素分類,即語義分割。
雖然目前基于深度學(xué)習(xí)技術(shù)的算法要遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)方法,但是,由于軟組織與相鄰器官的低對(duì)比度將導(dǎo)致大量的假陽性分割結(jié)果,即將非待分割器官判定為待分割器官。
發(fā)明內(nèi)容
本申請(qǐng)?zhí)峁┝艘环N胸腔器官的分割方法及裝置,目的在于解決由于軟組織與相鄰器官的低對(duì)比度將導(dǎo)致大量的假陽性分割結(jié)果的問題。
為了實(shí)現(xiàn)上述目的,本申請(qǐng)?zhí)峁┝艘韵录夹g(shù)方案:
本申請(qǐng)?zhí)峁┝艘环N胸腔器官的分割方法,包括:
獲取待分割圖像;
將所述待分割圖像輸入完成訓(xùn)練的網(wǎng)絡(luò)模型,得到分類結(jié)果和分割數(shù)據(jù);所述網(wǎng)絡(luò)模型包括:主干網(wǎng)絡(luò)和分類器;所述主干網(wǎng)絡(luò)和所述分類器連接;所述主干網(wǎng)絡(luò)包括編碼模塊和解碼模塊;所述編碼模塊的數(shù)量和所述解碼模塊的數(shù)量相同;所述主干網(wǎng)絡(luò)中對(duì)應(yīng)位置的編碼模塊和解碼模塊進(jìn)行跳轉(zhuǎn)連接;所述分類結(jié)果是所述分類器輸出的表示所述待分割圖像中包含待分割胸腔器官的概率;所述分割數(shù)據(jù)是所述主干網(wǎng)絡(luò)輸出的對(duì)所述待分割胸腔器官的分割結(jié)果;
根據(jù)所述分類結(jié)果和所述分割數(shù)據(jù),確定分割結(jié)果;
輸出所述分割結(jié)果。
可選的,所述根據(jù)所述分類結(jié)果和所述分割數(shù)據(jù),確定分割結(jié)果,包括:
在所述分類結(jié)果大于所述待分割胸腔器官的預(yù)設(shè)閾值的情況下,確定分割結(jié)果為所述分割數(shù)據(jù);
在所述分類結(jié)果不大于所述預(yù)設(shè)閾值的情況下,確定所述分割結(jié)果為預(yù)設(shè)圖像;所述預(yù)設(shè)圖像是表示所述待分割圖像中不存在所述待分割器官的圖像。
可選的,所述分類器由全局最大池化層、全連接層和softmax構(gòu)成;其中,輸入所述分類器的數(shù)據(jù)依次經(jīng)過所述全局最大池化層、所述全連接層和所述softmax函數(shù)。
可選的,所述主干網(wǎng)絡(luò)中的任一編碼模塊由混合空洞卷積模塊和最大池化層構(gòu)成;任一解碼模塊由一個(gè)雙線性插值層和3個(gè)標(biāo)準(zhǔn)的3x3卷積層疊加而成。
可選的,所述主干網(wǎng)絡(luò)還包括:空間金字塔池化模塊;所述空間金字塔池化模塊位于中所述編碼模塊和所述解碼模塊的瓶頸處。
可選的,在所述獲取待分割圖像之后,并且,在將所述待分割圖像輸入完成訓(xùn)練的網(wǎng)絡(luò)模型,得到分類結(jié)果和分割數(shù)據(jù)之前,還包括:
對(duì)所述待分割圖像進(jìn)行預(yù)處理,得到預(yù)處理后的待分割圖像;所述預(yù)處理包括:灰度截?cái)唷⑷哂嘈畔⑶宄约爸夭蓸樱?/p>
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于合肥凱碧爾高新技術(shù)有限公司,未經(jīng)合肥凱碧爾高新技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010166412.8/2.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 一種數(shù)據(jù)庫讀寫分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測試終端的測試方法
- 一種服裝用人體測量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





