[發明專利]一種基于計算機斷層掃描3D圖像的全心臟分割方法、裝置、設備及介質

在審

• 申請號: 202211532394.6
• 申請日: 2022-12-01
• 公開（公告）號: CN115760894A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 崔恒飛;王一凡;李妍;姜磊;夏勇;張艷寧
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/11;G06T7/66;G06T7/00;G06N3/08;G06N3/0464
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 楊鳳娟

1.一種基于計算機斷層掃描3D圖像的全心臟分割方法，其特征在于：所述方法包括以下步驟：

S1、檢測與定位

通過改進的3DFasterR-CNN網絡，檢測并定位CT圖像中的心臟區域；

S2、分割

將步驟S1中檢測定位到的CT圖像中的心臟區域通過改進的3DU-Net網絡進行分割；

S3、根據步驟S1檢測與定位得到的階段性結果和步驟S2分割得到的的階段性結果設定損失函數；

S4、步驟S3中的損失函數指導CT圖像的分割向正確的方向進行，使CT圖像的分割的預測值逼近于真實值。

2.根據權利要求1所述的一種基于計算機斷層掃描3D圖像的全心臟分割方法，其特征在于：步驟S1中的改進的3DFasterR-CNN網絡包括以下改進步驟：

S101、將現有的FasterR-CNN擴展為3DFasterR-CNN，將所有的2D卷積核替換為3D卷積核；

S102、將現有的FasterR-CNN的ResNet部分替換為P3DResNet結構，P3D網絡將三維空間劃分為兩個正交基，用1×3×3的卷積核和3×1×1的卷積核模擬3×3×3的卷積核；

S103、在P3DResNet后增加一個FPN結構來組合不同分辨率的特征圖。

3.根據權利要求2所述的一種基于計算機斷層掃描3D圖像的全心臟分割方法，其特征在于：步驟S1中的改進的3DFasterR-CNN網絡檢測并定位CT圖中的心臟區域包括以下步驟：

S1011、輸入心臟CT圖像經過卷積層、批歸一化層、ReLU激活函數層、和最大池化層處理得到僅有四分之一原圖尺寸的特征圖，記作C1；

S1021、經過兩個P3D結構處理，得到八分之一原圖尺寸的特征圖C2；在此基礎上，經過三個P3D結構處理，得到十六分之一原圖尺寸的特征圖C3；

S1031、對C3進行卷積和上采樣處理與卷積處理后的C2求和，得到P2；對C3進行兩次卷積處理得到P3，即完成了FPN部分調整輸入圖像大小到不同尺寸，得到不同分辨率的特征圖；

S1041、將P2和P3連接得到特征圖作為RPN部分的輸入，用來提取不同候選框，對得到的建議的ROI與輸入特征圖對齊進行微調；

S1051、最終得到和真實邊界框很接近的包含心臟的預測邊界框及其包含心臟的概率，即完成了對心臟區域的檢測和定位任務。

4.根據權利要求3所述的一種基于計算機斷層掃描3D圖像的全心臟分割方法，其特征在于：步驟S2中改進的3DU-Net網絡包括以下改進步驟：

S201、在編碼路徑上增加了殘差鏈接；

S202、為上采樣增加額外的反卷積層；

S203、在解碼路徑上增加深度監督路徑，將不同尺度的特征信息相結合。

5.根據權利要求4所述的一種基于計算機斷層掃描3D圖像的全心臟分割方法，其特征在于：步驟S2中改進的3DU-Net網絡對心臟區域進行分割，包括以下步驟：

S2012、分割由編碼路徑、解碼路徑和深度監督路徑組成；

S2022、與邊界框對齊的原始CT圖像作為分割網絡的輸入，在編碼路徑上經過層層網絡得到包含高分辨率信息的特征圖，同時增加殘差連接，使CT圖像的分割在深層網絡中也能學到簡單的特征，以強化特征學習能力；

S2032、在解碼路徑引入跳躍連接，將編碼、解碼路徑對應尺度的特征信息連接起來，以提高分割性能；

S2042、深度監督路徑上將解碼路徑上不同分辨率的輸出疊加到最終輸出上，作為最終預測輸出，同時在末端添加一個反卷積層，擴大分割網絡輸出特征尺寸到輸入特征圖尺寸的二倍，以彌補下采樣造成的精度損失；

S2052、最終輸出為通道數為8，尺寸為(128，128，128)的one-hot編碼特征圖。