[发明专利]胸片分割及处理方法、系统及电子设备

说明书

本发明提供了一种胸片分割及处理方法、系统及电子设备，涉及图像处理技术领域，方法包括：获取目标胸片的原始图像及其标注图像，得到图像数据集，标注图像包括标注有肺部实际肺张边缘和胸廓边缘的图像；利用深度学习算法对图像数据集进行训练，得到基于深度学习的图像分割模型；获取目标患者的待分割胸片，并对待分割胸片进行处理，得到待分割图像；通过图像分割模型对待分割图像进行处理，得到分割后的肺部区域和胸廓区域；根据肺部区域和胸廓区域计算肺胸比。本发明基于深度学习算法对胸片的肺部实际肺张边缘进行分割，达到了很好的分割效果，并且还首次对胸片的胸廓边缘进行分割，进而计算出肺胸比，可以作为衡量肺部通气是否异常的重要指征，扩大了肺部分割结果的应用范围。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种胸片分割及处理方法、系统及电子设备。

背景技术

目前，通常采用传统机器学习算法针对成人胸片进行肺部分割，由于成人的肺部形态已经发育成形，没有太大改变，且是站立正位拍摄，胸廓端正；而小儿的肺部形态会随着生长发育而改变，并且由于小于2岁的患儿多是在围手术期拍摄的床边胸片，且不易配合放射医生，易造成胸廓变形；所以，成人胸片的分割算法对小儿胸片分割的效果并不好，多变的小儿肺部形状给小儿胸片的肺部分割带来了很大的困难。其次，目前在对肺部进行标注时，通常是估计肺部的原始形状，不论是正常还是异常状态，都只对肺部的原始形状进行分割标注，导致训练出来的图像分割模型并不能很好地区分肺部的实际肺张部分，这并不符合应用实际，使得肺部分割结果的应用范围较小。

发明内容

有鉴于此，本发明的目的在于提供胸片分割及处理方法、系统及电子设备，以缓解目前算法只适用于成人胸片分割，并且现有的标注数据集只把肺部的原始形状进行分割，导致训练处理的图像分割模型并不能很好的区分肺部的实际肺张部分，不符合应用实际，使得肺部分割结果的应用范围较小的技术问题。

第一方面，本发明实施例提供了一种胸片分割及处理方法，包括：

获取目标胸片的原始图像及其标注图像，得到图像数据集，所述标注图像包括标注有肺部实际肺张边缘和胸廓边缘的图像；

利用深度学习算法对所述图像数据集进行训练，得到基于深度学习的图像分割模型；

获取目标患者的待分割胸片，并对所述待分割胸片进行预处理，得到待分割图像；

通过所述图像分割模型对所述待分割图像进行处理，得到分割后的肺部区域和胸廓区域；

根据所述肺部区域和所述胸廓区域计算肺胸比。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，根据所述肺部区域和所述胸廓区域计算肺胸比的步骤，包括：

将所述肺部区域所占的像素点数量与所述胸廓区域所占的像素点数量之比作为所述肺胸比。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述方法还包括：

分别计算所述目标患者的术前肺胸比和术后肺胸比；

根据所述术前肺胸比和所述术后肺胸比判断并量化术后肺不张程度。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述肺胸比的正常范围为0.35～0.85。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，根据所述术前肺胸比和所述术后肺胸比判断并量化术后肺不张程度的步骤，包括：

根据以下算式计算所述肺不张程度：

肺不张程度＝(术前肺胸比-术后肺胸比)/术前肺胸比；