[發(fā)明專利]一種食管腫瘤區(qū)域分割及模型訓練方法、裝置及電子設備

有效

• 申請?zhí)枺?/td>: 202110322102.5
• 申請日: 2021-03-25
• 公開（公告）號: CN113012170B
• 公開（公告）日: 2022-02-15
• 發(fā)明（設計）人: 亢寒;王少康;陳寬
• 申請（專利權）人: 推想醫(yī)療科技股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/194;G06T7/187;G06T7/73;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 榮穎佳

本發(fā)明提供了一種食管腫瘤區(qū)域分割及模型訓練方法、裝置及電子設備，食管腫瘤區(qū)域分割模型訓練方法包括：獲取食管的計算機斷層成像序列，依據獲取的計算機斷層成像序列進行椎體檢測，所述計算機斷層成像序列包括二維圖像切片子序列以及對二維圖像切片子序列進行標注得到的二維圖像切片標注子序列；以椎體的中心作為剪裁種子點，從二維圖像切片子序列中剪裁出包含食管區(qū)域的三維圖像塊，以及，從二維圖像切片標注子序列中的對應位置剪裁出三維標注圖像塊；以三維圖像塊為初始食管腫瘤區(qū)域分割模型的輸入，結合三維標注圖像塊對初始食管腫瘤區(qū)域分割模型進行訓練，得到食管腫瘤區(qū)域分割模型。可以提高食管腫瘤區(qū)域的分割效率。

技術領域

本發(fā)明涉及腫瘤技術領域，具體而言，涉及一種食管腫瘤區(qū)域分割及模型訓練方法、裝置及電子設備。

背景技術

食道癌是全世界癌癥死亡率和負擔的主要元兇之一，并且由于高死亡率，它已經成為緊急的公共衛(wèi)生問題。放療(RT，Radiotherapy)是一種較為有效的食道癌治療方法，其最基本且關鍵的步驟為確定腫瘤區(qū)域總體積(GTV，Gross Tumor Volume)。然而，由于腫瘤區(qū)域邊界模糊且與周圍正常食管區(qū)域對比度低(腫瘤區(qū)域與周圍組織沒有明顯的分界線)，使得傳統的圖像分割方法并不適合進行食管腫瘤區(qū)域分割。

全卷積網絡(FCN，Fully Convolutional Networks)作為深度學習方法的一種，通過采用編解碼器結構以及跳躍連接，具備較好的特征提取能力，在語義分割方面表現出了不錯的性能，其應用已從自然圖像領域轉移到醫(yī)學圖像分析領域。但該采用全卷積網絡進行腫瘤區(qū)域分割的方法，需要構建粗分割網絡模型以及細分割網絡模型以實現較好的分割性能，使得分割過程復雜并且模型的網絡參數量大，例如，對于采用編解碼器結構以及跳躍連接的U-Net網絡構建的粗分割網絡模型以及細分割網絡模型，每個網絡模型的參數量達到60M以上，不僅使得訓練網絡模型所需的時間較長，訓練效率較低，還使得訓練完成的粗分割網絡模型以及細分割網絡模型，對腫瘤區(qū)域進行分割所需的時間較長，分割效率較低。

發(fā)明內容

有鑒于此，本發(fā)明的目的在于提供食管腫瘤區(qū)域分割及模型訓練方法、裝置及電子設備，以提高食管腫瘤區(qū)域分割效率。

第一方面，本發(fā)明實施例提供了食管腫瘤區(qū)域分割模型訓練方法，包括：

獲取食管的計算機斷層成像序列，依據獲取的計算機斷層成像序列進行椎體檢測，所述計算機斷層成像序列包括二維圖像切片子序列以及對二維圖像切片子序列進行標注得到的二維圖像切片標注子序列；

以椎體的中心作為剪裁種子點，從二維圖像切片子序列中剪裁出包含食管區(qū)域的三維圖像塊，以及，從二維圖像切片標注子序列中的對應位置剪裁出三維標注圖像塊；

以三維圖像塊為初始食管腫瘤區(qū)域分割模型的輸入，結合三維標注圖像塊對初始食管腫瘤區(qū)域分割模型進行訓練，得到食管腫瘤區(qū)域分割模型。

結合第一方面，本發(fā)明實施例提供了第一方面的第一種可能的實施方式，其中，所述椎體檢測為椎骨孔檢測，所述依據獲取的計算機斷層成像序列進行椎體檢測，包括：

針對二維圖像切片子序列中順序排列的每一二維圖像切片，依據該二維圖像切片中每一像素點的亨氏單位值以及預設的亨氏單位閾值，進行二值處理，得到對應的切片二值圖像；

對切片二值圖像進行形態(tài)學閉操作并取反，得到切片處理圖像；

將順序得到的切片處理圖像堆疊成三維分析圖像，對三維分析圖像進行連通域分析，保留體積最大的連通區(qū)域，得到椎骨孔；

將包含椎骨孔對應的二維圖像切片進行疊加，得到二維圖像切片子序列的椎骨孔位置。

結合第一方面，本發(fā)明實施例提供了第一方面的第二種可能的實施方式，其中，所述以椎體的中心作為剪裁種子點，從二維圖像切片子序列中剪裁出包含食管區(qū)域的三維圖像塊，包括：