[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

本發明公開了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，涉及醫學影像分割領域，本發明提出一種用于心臟分割的兩階段分割策略，第一階段由FasterR?CNN網絡檢測心臟的邊界框，第二階段將與邊界框對齊的心臟原始CT圖像輸入3DU?Net進行心臟子結構分割。此外，本發明還重新定義了邊界框損失函數，采用CIoU損失函數。試驗結果表明，該方案在2017年多模態全心臟分割挑戰賽(MM?WHS)數據集上獲得了最先進的分割效果，達到91.1％的平均Dice分數。同時，單個心臟CT圖像的分割耗時取得了從數分鐘大幅提高至不到6秒的優異成績，實現了更快、更精準的全心臟自動分割。

技術領域

本發明涉及醫學影像分割領域，尤其涉及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。

背景技術

全心臟分割是指提取心臟子結構的形狀和體積，包括七個部分，分別為：左心室(LV)、左心房(LA)、左心室心肌(Myo)、右心室(RV)、右心房(RA)、升主動脈(AA)、肺動脈(PA)。在臨床診斷中，常需要獲得心臟的功能參數指標，心臟子結構分割精度的提高有助于提升計算心臟結構功能參數的可靠性。

隨著卷積神經網絡在醫學影像智能計算中的迅速發展，基于3DU-Net網絡的方法顯示出強大的分割能力。近年來，直接使用3D圖像作為3DU-Net網絡的輸入已經逐漸成為本領域的研究潮流。但它通常與平鋪策略一起使用，即將整個圖像分割成一個個小切片分開處理，最終合并得到分割結果的策略，而心臟圖像中的前景信息只占很小的比例，這將導致計算資源的巨大浪費。為了解決上述問題，一種兩個串聯的3DU-Net網絡被提出，通過進一步分割第一階段動態提取的感興趣區域(RoI)來分割整個心臟結構。雖然保留了原始分辨率，但最終分割質量取決于第一階段提取到RoI的提取質量。此外，學者應用3DU-Net作為網絡模型，并結合主成分分析作為數據增強技術來改變網絡的輸入和輸出。這種方法的缺點是主成分的手動選擇會影像PCA數據增強的效果，從而影響分割質量。

近年來，基于檢測的分割方法在醫學影像分割中顯示了其優越性。一種改進的FasterR-CNN展現了良好的定位精度和時間效率。它通過將圖像輸入區域建議網絡(RPN)獲得多個建議框，然后將多個建議框輸入分類回歸網絡，獲得分類結果和目標邊界框。在此之上，學者提出的Mask R-CNN在FasterR-CNN的RPN結構之后增添了一個預測目標掩碼的分支，并被證實在醫學圖像分割中具有很強的通用性。在醫學圖像領域的應用方面，將MaskR-CNN與光線投射體繪制算法相結合，實現肺部結節檢測和分割的3D診斷。與分割肺結節相比，整個心臟分割任務對于Mask R-CNN的分割頭來說更加復雜和具有挑戰性。

先前的方法由基于FasterR-CNN的檢測和定位模塊和基于3DU-Net的分割模塊組成，實現了高精度的全心臟自動分割。該方法保留了Faster R-CNN中邊界框損失函數的平滑L1損失函數。然而，實際中預測邊界框是使用聯合交叉(IoU)損失函數。盡管多個邊界框具有相同大小的損失值，但其IoU可能有較大的差異。

因此，本發明提出了一種對心臟CT圖像的全自動高效分割方法、裝置、設備及介質。

發明內容

針對上述存在的問題，本發明旨在提供一種對心臟CT圖像的全自動高效分割方法、裝置、設備及介質，考慮了真值邊界框和預測邊界框的中心點之間的距離，以及兩個邊界框的寬高比。此外，考慮到心臟CT圖像的圖像尺寸和幀尺寸之間的差異，將特征提取網絡ResNet替換為P3DResNet。并在P3DResNet網絡之后加入FPN網絡，該結構能夠融合不同分辨率的特征，增強了特征學習能力，能夠適應不同尺度的心臟圖像，在心臟CT圖像的全自動快速分割任務上達到了領域最先進的水平。

本發明所采用的技術方案的主要思路：本發明提出一種對心臟CT圖像的全自動高效分割方法、裝置、設備及介質，由基于FasterR-CNN網絡的檢測和定位方法和基于3DU-Net網絡的分割方法組成，實現了高精度的全心臟自動分割。