[發明專利]一種CT圖像下肝臟腫瘤的分割方法與裝置

在審

• 申請號: 202110182901.7
• 申請日: 2021-02-10
• 公開（公告）號: CN112802025A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 尤新革;彭勤牧;黃子軒;朱文強
• 申請（專利權）人: 深圳華中科技大學研究院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/08;G06N3/04
• 代理公司: 深圳市六加知識產權代理有限公司 44372
• 代理人: 崔肖肖;向彬

本發明公開了一種CT圖像下肝臟腫瘤的分割方法與裝置，將訓練集中每個第一預設尺寸的原始CT圖像裁剪為三張相鄰的第二預設尺寸的切片，并以中間切片的分割結果作為標簽，將對應的三張相鄰切片構成一個訓練樣本；將一個或多個訓練樣本輸入預設網絡中進行訓練，得到訓練好的分割模型；其中，所述預設網絡包括預處理模塊和全卷積分割網絡；對于任一待測CT圖像，每次以三張相鄰的第一預設尺寸的切片輸入至訓練好的所述分割模型中，基于聯合損失函數得到中間切片的分割結果。本方案可有效解決傳統肝臟腫瘤圖像分割存在的問題，解決肝臟CT圖像成像差異大和腫瘤形狀大小不一等問題，提升肝臟腫瘤自動分割方法的性能與效果。

技術領域

本發明屬于圖像分割技術領域，更具體地，涉及一種CT圖像下肝臟腫瘤的分割方法與裝置。

背景技術

肝臟是人體必需的器官之一，具有代謝和解毒等功能，而肝癌是目前世界上最普遍的癌癥之一，嚴重威脅著人類的生命健康。隨著醫學成像技術的發展，計算機斷層掃描(Computed Tomography，簡寫為CT)、磁共振成像等影像學檢查在臨床診斷中已經大規模應用，其中CT技術是肝臟腫瘤檢查和診斷中最常用的手段。目前肝臟腫瘤的治療方法主要包括手術切除、消融治療、放射治療等，但無論是哪種治療手段，都需要精確了解腫瘤的大小、形狀、位置等信息。因此，基于肝臟區域的醫學影像實現肝臟腫瘤的精準分割是肝臟腫瘤治療的首要任務。

目前肝臟腫瘤分割的挑戰性主要體現在以下兩個方面：一是腫瘤的大小不一、形狀多變，位置和數目也不固定；二是不同的成像設備與圖像采集方案、不同的造影劑、不同水平的對比度增強和不同的掃描分辨率等因素，都會給肝臟和腫瘤的成像帶來不可預測的強度差異，造成邊界模糊、密度和灰度不均、噪聲干擾等問題。為了改進以上問題，保證肝臟腫瘤能夠進行自動化精準分割，需要一種可在CT圖像下實現肝臟腫瘤自動分割的方法，確保軟件系統能始終獲取到高質量、高精確度的分割結果。

傳統的肝臟腫瘤圖像分割需要有經驗的放射科醫師手動進行腫瘤的識別、標注和分割，費時費力，同時分割結果嚴重依賴于不同醫師的主觀判斷。尤其是體現在CT掃描圖像的預處理方式中：不同的醫學圖像問題需要設置不同的窗口區間，即使對于同一個醫學問題，比如肝臟腫瘤分割，窗口區間的設定也因人而異，所以傳統的預處理方式具有很強的主觀性和經驗性，而且這種方式很難考慮整體的數據分布。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種CT圖像下肝臟腫瘤的分割方法與裝置，其目的在于通過將預處理部分集成到整個網絡的學習過程中，基于全卷積網絡實現肝臟腫瘤的自動分割，由此解決傳統肝臟腫瘤圖像分割具有很強的主觀性和經驗性等技術問題。

為實現上述目的，按照本發明的一個方面，提供了一種CT圖像下肝臟腫瘤的分割方法，包括：

將訓練集中每個第一預設尺寸的原始CT圖像裁剪為三張相鄰的第二預設尺寸的切片，并以中間切片的分割結果作為標簽，將對應的三張相鄰切片構成一個訓練樣本；

將一個或多個訓練樣本輸入預設網絡中進行訓練，得到訓練好的分割模型；其中，所述預設網絡包括預處理模塊和全卷積分割網絡；

對于任一待測CT圖像，每次以三張相鄰的第一預設尺寸的切片輸入至訓練好的所述分割模型中，基于聯合損失函數得到中間切片的分割結果。

優選地，所述預處理模塊用于對輸入的訓練樣本進行CT圖像預處理，具體包括一個卷積層和一個激活層；

其中，所述卷積層的卷積核大小為1×1，用于對輸入的訓練樣本進行卷積處理；所述激活層用于對輸入的訓練樣本進行激活處理。

優選地，所述預處理模塊對訓練樣本的預處理公式具體為：

其中，常數U為窗口函數的上界，W和b均為卷積層的參數，x為原始CT圖像的CT值。

優選地，所述全卷積分割網絡包括編碼器和解碼器；