[發(fā)明專利]醫(yī)學(xué)圖像中組織結(jié)構(gòu)的層級(jí)分割方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110598151.1
• 申請(qǐng)日: 2021-05-31
• 公開（公告）號(hào): CN113822845A
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 魏東;盧東煥;劉洪;李悅翔;馬鍇;鄭冶楓;王連生
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/10;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 張所明

1.一種醫(yī)學(xué)圖像中組織結(jié)構(gòu)的層級(jí)分割方法，其特征在于，所述方法包括：

對(duì)三維醫(yī)學(xué)圖像中包含的各張二維醫(yī)學(xué)圖像進(jìn)行特征提取，得到所述二維醫(yī)學(xué)圖像對(duì)應(yīng)的圖像特征，所述三維醫(yī)學(xué)圖像通過(guò)對(duì)目標(biāo)組織結(jié)構(gòu)進(jìn)行連續(xù)掃描得到；

基于所述圖像特征確定各張所述二維醫(yī)學(xué)圖像在目標(biāo)方向上的偏移量；

基于所述偏移量對(duì)所述圖像特征進(jìn)行特征對(duì)齊，得到對(duì)齊后的所述圖像特征；

基于對(duì)齊后的所述圖像特征對(duì)所述三維醫(yī)學(xué)圖像進(jìn)行三維分割，得到所述三維醫(yī)學(xué)圖像中所述目標(biāo)組織結(jié)構(gòu)的三維層級(jí)分布。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)三維醫(yī)學(xué)圖像中包含的各張二維醫(yī)學(xué)圖像進(jìn)行特征提取，得到所述二維醫(yī)學(xué)圖像對(duì)應(yīng)的圖像特征，包括：

通過(guò)特征提取網(wǎng)絡(luò)對(duì)所述二維醫(yī)學(xué)圖像進(jìn)行特征提取，得到所述二維醫(yī)學(xué)圖像對(duì)應(yīng)的至少兩層所述圖像特征，所述特征提取網(wǎng)絡(luò)為二維卷積神經(jīng)網(wǎng)絡(luò)，且不同層的圖像特征由所述特征提取網(wǎng)絡(luò)中不同二維卷積層進(jìn)行特征提取得到；

所述基于所述偏移量對(duì)所述圖像特征進(jìn)行特征對(duì)齊，得到對(duì)齊后的所述圖像特征，包括：

基于所述偏移量對(duì)各層所述圖像特征進(jìn)行特征對(duì)齊，得到對(duì)齊后的所述圖像特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述偏移量對(duì)各層所述圖像特征進(jìn)行特征對(duì)齊，得到對(duì)齊后的所述圖像特征，包括：

基于所述圖像特征的特征尺度，對(duì)所述偏移量進(jìn)行調(diào)整，得到調(diào)整后的偏移量；

基于所述調(diào)整后的偏移量，對(duì)所述圖像特征進(jìn)行特征對(duì)齊，得到對(duì)齊后的所述圖像特征。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述圖像特征確定各張二維醫(yī)學(xué)圖像在目標(biāo)方向上的偏移量，包括：

將各層所述圖像特征輸入對(duì)齊網(wǎng)絡(luò)，得到所述對(duì)齊網(wǎng)絡(luò)輸出的偏移向量，所述偏移向量中包含各張二維醫(yī)學(xué)圖像在所述目標(biāo)方向上的所述偏移量，所述對(duì)齊網(wǎng)絡(luò)是由三維卷積層構(gòu)成的三維卷積神經(jīng)網(wǎng)絡(luò)，且所述對(duì)齊網(wǎng)絡(luò)與所述特征提取網(wǎng)絡(luò)中的卷積層跳躍連接。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于對(duì)齊后的所述圖像特征對(duì)所述三維醫(yī)學(xué)圖像進(jìn)行三維分割，得到所述三維醫(yī)學(xué)圖像中所述目標(biāo)組織結(jié)構(gòu)的三維層級(jí)分布，包括：

將對(duì)齊后的各層所述圖像特征輸入分割網(wǎng)絡(luò)，得到所述分割網(wǎng)絡(luò)輸出的層級(jí)分布概率，所述層級(jí)分布概率用于表示所述目標(biāo)組織結(jié)構(gòu)中各個(gè)層級(jí)在所述三維醫(yī)學(xué)圖像中所處位置的概率，所述分割網(wǎng)絡(luò)是由三維卷積層構(gòu)成的三維卷積神經(jīng)網(wǎng)絡(luò)，且所述分割網(wǎng)絡(luò)與所述特征提取網(wǎng)絡(luò)中的卷積層跳躍連接；

基于所述層級(jí)分布概率生成所述目標(biāo)組織結(jié)構(gòu)的所述三維層級(jí)分布。

6.根據(jù)權(quán)利要求1至5任一所述的方法，其特征在于，所述三維醫(yī)學(xué)圖像由完整醫(yī)學(xué)圖像劃分得到；

所述基于對(duì)齊后的所述圖像特征對(duì)所述三維醫(yī)學(xué)圖像進(jìn)行三維分割，得到所述三維醫(yī)學(xué)圖像中所述目標(biāo)組織結(jié)構(gòu)的三維層級(jí)分布之后，所述方法還包括：

基于所述三維醫(yī)學(xué)圖像在所述完整醫(yī)學(xué)圖像中所處的位置，對(duì)各個(gè)所述三維醫(yī)學(xué)圖像對(duì)應(yīng)的所述三維層級(jí)分布進(jìn)行拼接，得到所述完整醫(yī)學(xué)圖像對(duì)應(yīng)的完整三維層級(jí)分布。

7.根據(jù)權(quán)利要求1至5任一所述的方法，其特征在于，所述三維醫(yī)學(xué)圖像為光學(xué)相干斷層掃描OCT圖像，所述二維醫(yī)學(xué)圖像通過(guò)橫向掃描得到，所述目標(biāo)方向?yàn)榭v向掃描方向。