基于深度学习网络的三维影像的管状结构分割图断裂修复方法及系统转让专利
申请号 : CN202010098343.1
文献号 : CN111260670B
文献日 : 2021-02-19
发明人 : 赖耀明 , 余明亮 , 蔡飞跃 , 魏军
申请人 : 广州柏视医疗科技有限公司
摘要 :
权利要求 :
1.一种基于深度学习网络的三维影像的管状结构分割图断裂修复方法,其特征在于,包括以下步骤:步骤S1:采集三维影像数据,并进行预处理;
步骤S2:对预处理后的三维影像数据进行重采样,生成多个候选的感兴趣区域的三维数据;
步骤S3:将所有候选感区域的三维数据输入目标分割深度学习网络,得到每一个感兴趣区域内的目标器官分割图;所述目标分割深度学习网络利用卷积残差块和降采样交替进行4次,提取高维特征,然后再通过卷积残差块和上采样交替进行4次,恢复到原来输入图像的分辨率;所述目标分割深度学习网络在上采样后的特征图与低层次同分辨率的特征图进行融合;所述目标分割深度学习网络将不同深度的目标器官特征图利用上采样进行特征融合;
步骤S4:将目标器官分割图进行距离变换得到距离变换图,将目标器官分割图与距离变换图一起输入断裂修复深度学习网络,得到每一个感兴趣区域的断裂修复图,将所有的断裂修复图拼接组合在一起的到完整的目标器官分割结果;所述断裂修复深度学习网络利用卷积残差块和降采样交替进行1次,提取高维特征,然后再通过卷积残差块和上采样交替进行1次,恢复原来输入图像的分辨率。
2.根据权利要求1所述的基于深度学习网络的三维影像的管状结构分割图断裂修复方法,其特征在于,所述步骤S1中对三维图像数据的预处理包括以下步骤:像素值规范化和插值。
3.根据权利要求2所述的基于深度学习网络的三维影像的管状结构分割图断裂修复方法,其特征在于,所述像素值规范化的方法为:min=c-w/2
max=c+w/2
if x
if x>max then x=1
其中c为窗位,w为窗宽,x为像素值。
4.根据权利要求3所述的基于深度学习网络的三维影像的管状结构分割图断裂修复方法,其特征在于,所述插值的方法为:先解析原始三维图像,获取图像Spacing属性(z0,y0,x0);其中,目标图像Spacing为(z1,y1,x1),计算各个方向的缩放因子(z0/z1,y0/y1,x0/x1),再根据各方向的缩放因子,利用双线性插值,得到插值后的三维数据。
5.根据权利要求4所述的基于深度学习网络的三维影像的管状结构分割图断裂修复方法,其特征在于,所述步骤S2中的重采样的方法为:将插值后的三维数据,按照步长为32×
48×48,提取大小为64×96×96且有相互重叠的局部片块三维图像。
说明书 :
基于深度学习网络的三维影像的管状结构分割图断裂修复方
法及系统