[發明專利]一種醫學圖像的心耳分割方法、裝置及存儲介質

在審

• 申請號: 202010948652.3
• 申請日: 2020-09-10
• 公開（公告）號: CN112070752A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 高琪;方存亮;王哲;魏潤杰
• 申請（專利權）人: 杭州晟視科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/33;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

本發明公開了一種醫學圖像的心耳分割方法、裝置及存儲介質。具體方法為：獲取原始圖像數據集和標簽圖像數據集作為訓練數據；基于3D?Unet網絡架構構建神經網絡模型，神經網絡模型包括輸入層、前處理模塊、后處理模塊和輸出層；將原始圖像數據集和標簽圖像數據集輸入神經網絡模型進行訓練，損失函數值采用均值Dice損失函數獲得；根據訓練好的神經網絡模型對每組待分割的醫學圖像集進行心耳的識別和分割，輸出一組心耳分割預測圖像，完成醫學圖像的心耳分割。本發明能夠自動識別醫學圖像中的心耳部分，并進行分割輸出。

技術領域

本發明涉及醫學圖像后處理，尤其是涉及一種醫學圖像的心耳分割方法、裝置及存儲介質。

背景技術

心耳就是從心房伸出的耳狀小囊，是心房的一部分，具有主動舒縮和分泌功能，對緩解心房內壓力升高及保證心室充盈具有重要意義。

從解剖結構上看，心耳在心臟的角落，血液在心耳中流動緩慢，因而易形成血塊，這些血塊脫落后經主動脈流向全身，可能引發不同部位的栓塞，對身體造成嚴重的損害，甚至直接危及生命。雖然醫學影像可以為臨床診斷提供可靠的依據，但是生物醫學圖像本身有著許多不可避免的缺陷，使得醫學影像的可讀性存在一定局限，而且往往需要較多的醫學經驗。

目前針對心耳的分割算法中，大部分都是基于傳統圖像處理的方式。這些算法需要依賴一定的先驗知識，特殊情況下需要人為干預，處理效率低，魯棒性不佳。同時在CTA圖像上左心耳與左心房沒有明顯的邊界，無法從灰度中獲得邊界特征，因此傳統方法更加難以準確確定分割邊界。此外，其中的許多方法都是針對超聲圖像進行的處理，無法直接應用于CTA圖像中的心耳分割。

發明內容

為了解決背景技術中的問題，本發明提供了一種醫學圖像的心耳分割方法、裝置及存儲介質，借助3D-Unet網絡的特性，對心耳進行精準的定位，以實現高效、完整的三維分割，本發明旨在實現醫學圖像中心耳的自動準確提取，醫學圖像包括CTA圖像(CT血管造影，CT Angiography)或其他成像數據。

本發明采用的技術方案如下：

一種醫學圖像的心耳分割方法，包括以下步驟：

S1：對包含心臟區域的多組醫學圖像數據集中的原始醫學圖像進行預處理后得到原始圖像數據集；

將每組醫學圖像數據重構得到三維模型，從三維模型中分離出心耳三維模型，根據心耳三維模型得到對應的三維二值矩陣，通過三維二值矩陣生成對應的心耳圖像作為標簽圖像數據集；

每組醫學圖像數據由一套病例獲得，每組醫學圖像數據包含的醫學圖像數目不同，但每幅圖像的分辨率均為512×512。

S2：基于3D-Unet網絡架構構建神經網絡模型，神經網絡模型包括輸入層、前處理模塊、后處理模塊和輸出層。

S3：將步驟S1的原始圖像數據集和標簽圖像數據集輸入神經網絡進行訓練，損失函數值采用均值Dice損失函數獲得。

S4：根據步驟S3訓練好的神經網絡模型對單組待分割的醫學圖像數據進行心耳的識別和分割，輸出一組心耳分割預測圖像，完成醫學圖像的心耳分割。

所述步驟S1中對包含心臟區域的醫學圖像進行預處理的方法具體為：

1.1)利用連續插值算法先對每組醫學圖像數據集中的醫學圖像進行重采樣，以保證圖像具有相同的像素間距；

1.2)對每幅醫學圖像中所有非零像素(前景)進行合并，根據設定的裁剪值對合并后的圖像進行裁剪；

1.3)通過三次B樣條基函數作為變形函數對醫學圖像進行仿射變換實現圖像的整體配準；

1.4)最后對醫學圖像進行灰度閾值化處理。