[发明专利]肺部支气管的分割及标定方法

权利要求书

1.一种肺部支气管的分割及标定方法，其特征在于，包括：

步骤S1：于影像数据中提取肺部气道树区域；

步骤S2：根据所述肺部气道树区域设定感兴趣体素区域，并对所述感兴趣体素区域进行锐化滤波处理；

步骤S3：根据处理后的所述感兴趣体素区域通过深度学习卷积神经网络对所述感兴趣体素区域进行分类，去除渗漏并追踪气道分支，获得优化后的所述肺部气道树区域；

步骤S4：于优化后的所述肺部气道树区域中提取气道树结构信息，根据所述肺部气道树区域及所述气道树结构信息通过肺部气道名称标注模型获得每枝气道的候选名称集合及每个候选名称的权值；

步骤S5：根据所述权值对每一组气道树的名称进行优化，实施气道树名称精准自动标注，获得气道名称信息。

2.如权利要求1所述的分割及标定方法，其特征在于，于所述步骤S1中包括：

步骤S11：对所述影像数据进行平滑处理，以除去所述影像数据中的噪声；

步骤S12：于处理后的所述影像数据上设置种子点形成种子点集合；

步骤S13：根据所述种子点集合通过区域生长算法于影像数据中提取所述肺部气道树区域。

3.如权利要求1或2所述的分割及标定方法，其特征在于，于所述步骤S2中包括：

步骤S21：根据提取到的所述肺部气道树区域定义与设置初始感兴趣体素区域，并确定多个感兴趣体素区域参数；

步骤S22：引入锐化滤波，利用高斯拉普拉斯算子，对所述初始感兴趣体素区域进行局部增强；

步骤S23：所述感兴趣体素区域中体素灰度值小于拉普拉斯核中心体素灰度值进行拉普拉斯卷积，使轮廓边缘灰度增大而轮廓内部灰度减小，获得最终感兴趣体素区域。

4.如权利要求3所述的分割及标定方法，其特征在于，于所述步骤S3中包括：

步骤S31：根据所述最终感兴趣体素区域通过所述深度学习卷积神经网络提取所述最终感兴趣体素区域中的气道部分去除渗漏，更新所述肺部气道树区域；

步骤S32：判断更新后的所述肺部气道树区域中存在的分支数，如果为0，则停止对所述肺部气道树区域的追踪；如果为1，则所述肺部气道树区域向支气管延伸方向移动一个体素的距离，执行步骤S31；如果分支数大于1，则设置子气道区域；

步骤S33：基于条件随机场的气道轮廓修正方法对更新后的所述肺部气道树区域进行修正；

步骤S34：对修正后的所述肺部气道树区域进行支气管分叉部位识别，获得优化后的所述肺部气道树区域。

5.如权利要求3所述的分割及标定方法，其特征在于，于所述步骤S4中包括：

步骤S41：于优化后的所述肺部气道树区域中提取气道树结构信息，根据所述肺部气道树区域及所述气道树结构信息通过肺部气道名称标注模型获得每枝气道的候选名称集合及每个候选名称的权值；

步骤S42：根据所述候选名称集合构建气道树名称组合，每一组所述气道树名称组合包含每枝气道候选名称的权值；

步骤S43：根据每枝气道候选名称的权值，对每一组气道树的各个名称进行优化后，对气道树名称精准自动标注，获得气道名称信息。

6.如权利要求5所述的分割及标定方法，其特征在于，于所述步骤S5中包括：

根据所述权值对每一组气道树的名称进行优化，实施气道树名称精准自动标注，获得气道名称信息。

7.如权利要求5所述的分割及标定方法，其特征在于，于所述步骤S41中包括：

步骤S411：于优化后的所述肺部气道树区域中提取气道树结构信息；

步骤S412：根据气道树结构信息获得每枝气道的参数化气道表征值；

步骤S413：根据所述参数化气道表征值，标定每枝气道名称，再根据所述参数化气道表征值及其对应所标注的气道名称通过图神经网络深度进行学习与训练，获得肺部气道名称标注模型；

步骤S414：根据所述肺部气道树区域及所述气道树结构信息通过所述肺部气道名称标注模型获得每枝气道的候选名称集合及每个候选名称的权值。