[发明专利]基于深度分割网络的医学图像处理方法及装置、设备、存储介质

说明书

本申请公开了一种基于深度分割网络的医学图像处理方法及装置、设备、存储介质。该方法包括输入CT图像，其中所述CT图像是指对患者脑部图像的采集结果；基于标准化网络，估计粗尺度的脑中线结构；根据所述粗尺度的脑中线结构，定位出中线的第一端点和中线的第二端点；根据所述第一端点和中线的第二端点，计算相对偏移角度得到变换矩阵；经过所述变换矩阵将图像映射到标准空间，完成图像标准化处理。本申请解决了医学图像处理不够全面、不准确的技术问题。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种基于深度分割网络的医学图像处理方法及装置、设备、存储介质。

背景技术

脑卒中、创伤性脑损伤，是导致成人残疾、死亡的主要原因。平扫CT图像的中线结构通常与高颅内压相关，能够为医生评估脑卒中或创伤性脑损伤的严重程度提供了丰富的信息。

发明人发现，如果预测中线是否偏移只能提供有限的诊断信息，如何能识别出整个中线结构才可以提供待诊断影像的全面量化特征。

针对相关技术中医学图像处理不够全面、不准确的问题，目前尚未提出有效的解决方。

发明内容

本申请的主要目的在于提供一种基于深度分割网络的医学图像处理方法及装置、设备、存储介质，以解决医学图像处理不够全面、不准确的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于深度分割网络的医学图像处理方法。

根据本申请的基于深度分割网络的医学图像处理方法包括：输入CT图像，其中所述CT图像是指对患者脑部图像的采集结果；基于标准化网络，估计粗尺度的脑中线结构，其中所述标准化网络是指UNet；根据所述粗尺度的脑中线结构，定位出中线的第一端点和中线的第二端点，其中，所述第一端点和所述第二端点之间的连线经过脑中线结构的中心坐标和垂直线；根据所述第一端点和中线的第二端点，计算相对偏移角度得到变换矩阵；经过所述变换矩阵将图像映射到标准空间，完成图像标准化处理。

进一步地，据权利要求1所述的基于深度分割网络的医学图像处理方法，其特征在于，基于标准化网络，估计粗尺度的脑中线结构包括：在CT医学图像扫描期间根据不同患者的大脑在CT图像中的相对位置，基于UNet的标准化网络来估计粗尺度的中线结构；通过所述粗尺度的中线结构将图像映射到标准空间。

进一步地，根据所述第一端点和中线的第二端点，计算相对偏移角度得到变换矩阵包括：

通过计算从垂直方向和脑中心坐标的偏移角度，以获得如下的变换矩阵：

其中，(x_I,y_I)表示图像中心I，(x_B,y_B)表示原始图像的颅脑中心，θ表示距垂直方向的偏移角，则T表示最终变换矩阵。

进一步地，经过所述变换矩阵将图像映射到标准空间，完成图像标准化处理之后，还包括：

通过标准化图像训练得到中线分割网络，其中所述中线分割网络中采用CoordConv层对空间信息进行建模或者所述中线分割网络中采用Cascade AtrousConv模块扩大中线分割网络的感受野。

根据所述中线分割网络，采用预设寻路算法输出中线检测结果，以使中线检测结果是连续的。

为了实现上述目的，根据本申请的另一方面，提供了一种基于深度分割网络的医学图像处理装置。