[發明專利]一種全類型主動脈夾層真假腔圖像分割方法及系統

在審

• 申請號: 202110935123.4
• 申請日: 2021-08-16
• 公開（公告）號: CN113674291A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 崔靈果;徐佩怡;柴森春;王昭洋;朱恩軍
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 杜陽陽

本發明涉及一種全類型主動脈夾層真假腔圖像分割方法及系統，利用基于注意力機制的分割網絡模型對待分割真假腔圖像進行分割，將得到的掩膜圖映射到所述待分割真假腔圖像中，得到分割結果。在訓練分割網絡模型的過程中，對主動脈區域及真腔和假腔進行標注，利用3D卷積提取真假腔數據的主動脈夾層空間相關性，并利用混合注意力模塊作為基本單元進行上下采樣對所述真假腔數據施加權重，通過指數函數歸一化完成每一像素值類別的預測，其在保證分割精度的前提下解決了現有技術中的非全自動化問題，并且提出使用基于注意力機制的主動脈夾層真假腔分割神經網絡模型，使模型對于真假腔的區別更加敏感，從而提高了模型的精度。

技術領域

本發明涉及圖像分割技術領域，特別是涉及一種全類型主動脈夾層真假腔圖像分割方法及系統。

背景技術

現有的端到端的主動脈夾層真假腔圖像分割方法以一系列CT圖像組成的三維體數據作為輸入，通過各種語義分割網絡，實現主動脈夾層真假腔的分割。主動脈幾何結構是圓形管腔，但由于其在人體內呈現彎曲狀態，其CT圖像序列并不完全是規則的圓形，給分割帶來難度，故非端到端的主動脈夾層分割方法增加了提取主動脈中心線這一步驟，通過沿中心線的多平面重建，獲取拉直后的主動脈三維圖像。這一類研究工作以多平面重建后的主動脈夾層數據作為輸入，恢復了主動脈圓形管腔的幾何形態，使夾層具有更明顯的特征，往往分割精度更高，但是其分割過程非全自動化。

因此，本領域亟需一種全自動化的高精度的全類型主動脈夾層真假腔圖像分割的技術方案。

發明內容

本發明的目的是提供一種全類型主動脈夾層真假腔圖像分割方法及系統，以解決目前分割精度不高或者分割過程非全自動化的問題。

為實現上述目的，本發明提供了如下方案：

一種全類型主動脈夾層真假腔圖像分割方法，所述方法包括：

獲取待分割真假腔圖像；

利用基于注意力機制的分割網絡模型對所述待分割真假腔圖像進行分割，得到分割結果掩膜圖；

將所述分割結果掩膜圖映射到所述待分割真假腔圖像中，得到分割結果。

可選的，在所述利用基于注意力機制的分割網絡模型對所述待分割真假腔圖像進行分割，得到分割結果掩膜圖之前，還包括：

根據主動脈區域CT值范圍，對所述待分割真假腔圖像進行閾值化處理，得到待分割閾值化數據；

利用灰度變換處理所述待分割閾值化數據，得到待分割灰度變換數據；灰度變換的公式為：CT_{out_log}＝10log(1+CT_out)，其中，CT_out表示圖像閾值處理后的CT值，CT_{out_log}表示經過對數灰度變換后的CT值。

可選的，所述基于注意力機制的分割網絡模型的訓練方法包括：

獲取真假腔圖像；

對所述真假腔圖像中的主動脈區域及真腔和假腔進行標注，得到真假腔數據；所述真假腔數據包括真假腔圖像和標注之后的真假腔圖像的掩膜圖；

設定分割神經網絡的超參數，利用3D卷積提取真假腔數據的主動脈夾層空間相關性，并利用混合注意力模塊作為基本單元進行上下采樣對所述真假腔數據施加權重，通過指數函數歸一化完成每一像素值類別的預測，得到具有類別信息的真假腔分割掩膜圖；計算所述真假腔分割掩膜圖與所述標注之后的真假腔圖像的掩膜圖之間的損失函數，直至結果收斂或者達到訓練次數，得到分割網絡模型。

可選的，在所述對所述真假腔圖像中的主動脈區域及真腔和假腔進行標注，得到真假腔數據之后，還包括：

使用最近鄰插值算法將所述真假腔數據的數據維度歸一化，得到歸一化真假腔數據；