[发明专利]一种基于粗分类的医学影像自动分割方法、设备和存储介质

说明书

本发明属于医学影像和计算机技术领域，涉及一种医学影像的自动分割方法、设备和存储介质。该方法包括如下步骤：将医学影像中的器官划分成若干类；训练用于对人体医学影像进行粗分类的深度学习神经网络，使医学影像输入到粗分类深度学习神经网络后判断出其所属的分类类别；将待分类的医学影像输入到训练好的粗分类深度学习神经网络进行粗分类，输出包含感兴趣器官的医学影像层；将包含感兴趣器官的医学影像层输入到与之相匹配的用于对特定感兴趣器官进行分割的精细分割神经网络中，完成对医学影像上的感兴趣器官的精确分割。本发明使放疗结构的自动分割过程能节省分割预测的时间；本发明提供的方法不依赖特定的神经网络，具有很强的普适性。

技术领域

本发明属于医学影像和计算机技术领域，涉及一种医学影像的自动分割方法、设备和存储介质。

背景技术

在医院对病人进行放射治疗的过程中，往往涉及到目标靶区的分割，目前医生主要是采用手工分割的方式，手工分割费时费力，影响医生的工作效率，更影响病人的及时治疗。

现有技术中已经开发完成了人体多部位危及器官和靶区的自动分割方法及器官的神经网络模型的训练。然而人体的器官有很多，如何判断所输入的医学影像包括哪些人体器官并将其输送到与之匹配的神经网络中进行精确分割(勾画)，则需要对输入的医学影像所包含的器官进行分类。但是，不可能针对每一个器官单独训练一个定位的分类网络，主要原因在于很多目标类占总体的比重太低，当遇到一些比较短小的器官，这种情况会变得越加严重；并且单独训练定位分类网络的另一个缺点是预测时耗时会增加。

发明内容

本发明的目的在于为克服现有技术的缺陷而提供一种基于粗分类的医学影像自动分割方法、设备和存储介质。

为实现上述目的，本发明采用以下技术方案：将人体器官从上到下(或从下到上)根据界限明显的器官依次粗分成若干类，根据上述分类方法通过训练好的粗分类神经网络首先确定医学层上目标器官所属的分类；然后根据粗分类结果，在含有目标器官的医学层上使用与该层对应的3D U型分割神经网络实现器官的精准分割。

一种基于粗分类的医学影像自动分割方法，适于在计算设备中执行，包括如下步骤：

(1)、将医学影像中的器官按照其所处的高低位置依次划分成若干类；

(2)、基于步骤(1)中的器官分类方式训练用于对人体医学影像进行粗分类的深度学习神经网络，使医学影像输入到粗分类深度学习神经网络后判断出其所属的分类类别；

(3)、将待分类的医学影像输入到训练好的粗分类深度学习神经网络进行粗分类，输出包含感兴趣器官的医学影像层；

(4)、将包含感兴趣器官的医学影像层输入到与之相匹配的用于对特定感兴趣器官进行分割的精细分割神经网络中，完成对医学影像上的感兴趣器官的精确分割。

本发明进一步优选地，所述的医学影像为CT影像、MR影像或超声波影像等多种医学影像。

步骤(1)中，所述的粗分类神经网络为2D多分类卷积神经网络，是通过人体的明显特征器官训练的。

步骤(1)中，将人体医学影像按照人体器官的位置分为十类，分别为从第一张开始到头顶、从头顶到眼睛上顶层、从眼睛上顶层到眼睛下顶层、从眼睛下顶层到小脑下顶层、从小脑下顶层到下颌最后一层、从下颌最后一层到肺顶层、肺顶层到胃顶层、胃顶层到肾底、肾底到膀胱顶、膀胱顶到脚。

步骤(4)中，所述的精细分割神经网络为带有膨胀卷积的3D U型神经网络，利用该神经网络在人体Z轴上的分辨能力对医学影像上的感兴趣器官进行精确分割，其中Z轴为人体器官的上下方向，该网络的训练数据为包含若干张连续医学影像的数据块。

本发明还提供一种计算设备，包括：

一个或多个处理器；

存储器；以及