[發明專利]基于級聯VNet-S網絡和三維條件隨機場的肝臟分割系統

在審

• 申請號: 202210444494.7
• 申請日: 2022-04-26
• 公開（公告）號: CN114913135A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 楊金柱;王馨霄;嚴潔;黃艷
• 申請（專利權）人: 東北大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/143;G06T7/11;G06T17/00;G06T7/155;G06V10/774;G16H30/20;G16H30/40;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李珉

本發明提供一種基于級聯VNet?S網絡和三維條件隨機場的肝臟分割系統，涉及圖像處理技術領域。該系統包括級聯VNet?S網絡和三維條件隨機場；級聯VNet?S網絡得到肝臟CT圖像前景像素點的概率，并將前景像素點的概率作為先驗概率使用三維條件隨機場分割肝臟；三維條件隨機場通過空間上下文信息，反映觀測變量之間的依賴關系，剔除誤分割區域和細化分割，實現對肝臟分割邊界的優化，進而實現對CT圖像中肝臟的分割；該系統能夠較為準確地分割肝臟，運算速度滿足實際需求，且處理過程全自動，減少了醫生的工作量，能夠較好地滿足應用需求。

技術領域

本發明涉及圖像處理技術領域，尤其涉及基于級聯VNet-S網絡和三維條件隨機場的肝臟分割系統。

背景技術

肝臟疾病在人群中發病率高，且極大地威脅著人類的健康。為了快速診斷肝臟疾病，需要從計算機斷層掃描(CT)中準確快速定位肝臟，以進行進一步分析。目前對肝臟疾病的形態學診斷手段主要依靠CT、MRI等二維圖像，醫生只能憑經驗由多幅二維圖像去估計病灶的大小及形狀，“構思”病灶與其周圍結構的三維幾何關系，這會加大誤診或漏診的可能性；且隨著CT精度的提高，每次掃描所得到的CT圖像數量也大大增加，這使得醫生的工作量大大增加。

在醫學影像器官分割領域，研究者們采用的圖像分割算法主要分為傳統圖像算法和深度學習方法。傳統分割算法主要有基于灰度、基于統計形狀模型和基于紋理特征的算法。但這些傳統分割算法都存在不足之處。基于灰度的算法要求器官與背景差異大；基于統計形狀模型的算法要求器官形狀相對規則；基于紋理特征的算法依賴人工提取的特征，費時費力。而深度學習的方法主要分為二維分割網絡(全卷積神經網絡、2D Unet網絡等)和三維分割網絡(3D Unet網絡和Vnet網絡等)。但它們也存在一定的問題，二維分割網絡無法利用三維空間中的信息，會導致分割準確度低；而三維分割網絡在運行時要占用大量顯存，硬件限制導致三維分割網絡需要大尺度縮小輸入圖像尺寸，從而導致特征丟失，影響分割精度，且僅考慮區域像素特征，缺乏全局空間上下文信息會導致邊緣細節分割能力不強。

發明內容

本發明要解決的技術問題是針對上述現有技術的不足，提供一種基于級聯VNet-S網絡和三維條件隨機場的肝臟分割系統，聯合級聯Vnet-S網絡和三維條件隨機場(Dense3D CRF)，實現對肝臟分割邊界的優化。

為解決上述技術問題，本發明所采取的技術方案是：基于級聯VNet-S網絡和三維條件隨機場的肝臟分割系統，包括級聯VNet-S網絡和三維條件隨機場；級聯VNet-S網絡得到肝臟CT圖像前景像素點的概率，并將前景像素點的概率作為先驗概率使用三維條件隨機場分割肝臟；三維條件隨機場通過空間上下文信息，反映觀測變量之間的依賴關系，剔除誤分割區域和細化分割，實現對肝臟分割邊界的優化；具體包括以下步驟：

步驟1：獲取肝臟CT圖像作為樣本數據集，并對圖像數據進行數據增強預處理；

所述CT圖像為遵循醫療數位影像傳輸協定(Digital Imaging andCommunications in Medicine,DICOM)的dcm文件或多張dcm肝臟CT圖像壓縮而成的NIFTI文件及對應的標簽，即肝臟分割人工標注的結果；

步驟2：將數據集劃分為兩種類型：

(1)訓練數據集和驗證數據集：包括原始肝臟CT圖像和對應的標簽，用于訓練和測試級聯VNet-S網絡模型；

(2)無標注的待分割數據集：原始肝臟CT圖像，用于評估肝臟分割效果；

步驟3：根據數據集類型配置級聯Vnet-S網絡工作模式，如果用戶使用的是訓練和驗證數據集，則初始化級聯Vnet-S網絡模型，然后執行步驟7，否則執行步驟4；