[發明專利]一種器官圖像分割的方法、裝置、設備及存儲介質

在審

• 申請號: 202210577649.4
• 申請日: 2022-05-25
• 公開（公告）號: CN115100115A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 張立華;楊仲偉;鄺昊鵬;張緒坤
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06T3/40;G06T7/73;G06V10/774;G06N3/08
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 趙旭

本公開提供了一種器官圖像分割的方法、裝置、設備及存儲介質，屬于計算技術領域，能夠提高器官尤其是小器官的分割準確度。具體地，通過參考大器官形狀來幫助難以分割的小器官實現精準分割，改進了當前器官分割的方法，從而使小器官在形狀不定、體素少、邊界模糊的情況下也能獲得很好的分割效果。

技術領域

本公開涉及計算技術領域，具體地涉及用于器官圖像分割的方法、裝置、設備及存儲介質。

背景技術

醫生進行腹部器官手術時，需要判斷器官的方向、位置和形狀，從而進行精準的手術定位。計算機斷層掃描(CT)是醫生掌握病人身體內部信息的重要手段，經驗豐富的醫生能夠根據CT圖像想象器官的具體位置，不同個體的不同小器官的形狀和外觀具有很大的差異，這會導致小器官的定位困難，計算機難以準確識別，此外由于人體內豐富的軟組織，導致一些器官的邊界對比度低，特別是小器官周圍更加難以識別。

現有技術難以劃分邊界，進而導致小器官的分割效果很差。因此，腹部小器官的分割仍然是一項具有挑戰性的任務。

發明內容

本公開的目的在于，針對現有技術中存在的問題，提供一種器官圖像分割的方法、裝置、設備及存儲介質，提高器官分割準確度。

根據本公開的一個方面，提出一種器官圖像分割方法，

獲取原始圖像數據集，對原始圖像數據集預處理，

基于所述數據集，利用深度學習方法訓練獲得第一分割模型，所述第一分割模型用于對多器官的粗分割，

基于所述第一分割模型獲取多器官的粗分割結果，

根據所述粗分割結果中小器官體素比較多的區域，在原始分辨率的圖像上劃分得到一個或多個第一小塊，并保存所述第一小塊的位置和尺寸信息，

根據粗分割結果計算所述第一小塊里小器官及其周圍的器官的形狀特征，所述形狀特征通過主動外觀模型表征，

使用所述第一小塊和周圍器官的形狀特征變化訓練得到第二分割模型，所述第二分割模型用于對小器官的細分割，

基于所述第二分割模型對小器官細分割得到一個或多個第二小塊，

基于所述第一小塊的位置和尺寸，利用所述第二小塊替代所述第一小塊。

在一些實施例中，所述器官圖像具體為器官CT圖像。

在一些實施例中，預處理包括，將所述原始圖像數據集隨機劃分訓練集和驗證集，然后將是原始圖像放縮到統一尺寸以適應網絡模型，再根據CT圖像中器官的窗位和窗寬劃分HU值的范圍，將高于預設范圍的置為HU值的上限，低于預設范圍的置為HU值的下限，并對HU值進行歸一化。

在一些實施例中，所述第一分割模型和所述第二分割模型基于3D-UNet訓練得到。

在一些實施例中，所述基于所述第一分割模型獲取多器官的粗分割結果，具體為，先使用預處理過的數據進行模型驗證，然后使用最大連通標記法對分割的結果進行后處理，即先標記每個器官的所有連通區域，只保留每個器官的最大連通區域，之后放大到原圖像的大小，從而使得標簽和原始圖像對應，得到多器官的粗分割結果，

在一些實施例中，所述根據粗分割結果計算所述第一小塊里小器官及其周圍的器官的形狀特征，具體為，在每個已經切割出的所述第一小塊的圖像中找到一組定義對應關系的點，通過對齊每張圖像上的控制點集并應用主成分分析，可以生成一個統計形狀模型，通過將每個灰度圖像扭曲成平均參考圖像，可以將主成分分析應用于生成的紋理，以生成統計紋理模型，然后使用已知的對應關系將每個歸一化強度圖像扭曲到模型參考幀中，通過訓練生成主動外觀模型。