[发明专利]一种基于CT图像的静动脉分离方法及装置

权利要求书

1.一种基于CT图像的静动脉分离方法，其特征在于，包括：

使用预设的三维肺分割模型对胸部CT图像进行肺部区域分割，得到肺部区域的三维掩模mask；

对所述肺mask做凸包操作，并根据所述凸包后的肺mask取肺部区域，并将所述肺外区域像素值置为0，且根据所述肺mask得到最大肺外接包围框；

利用预设的无下采样三维空洞卷积神经网络在所述肺外接包围框内对所述肺分割后的CT图像进行静动脉分离，得到静动脉mask。

2.根据权利要求1所述，其特征在于，所述三维肺分割模型可以为基于深度学习的三维分割模型。

3.根据权利要求1所述，其特征在于，对所述肺mask做凸包操作，包括：

将三维mask转换为多张二维mask；然后，对每张二维mask做凸包；最后按照顺序，将多张二维mask组成三维mask。

4.根据权利要求1所述，其特征在于，所述预设的无下采样三维空洞卷积神经网络的网络参数通过训练得到，其中训练数据由经验丰富的专业医生标注得到，训练数据为3维数据块。

5.根据权利要求1所述，其特征在于，所述无下采样三维空洞卷积神经网络由三维空洞卷积3D Atrous Convolution模块和三维卷积模块组成，包括：

整个网络从输入到输出无下采样操作、不进行池化操作，即每个层的特征图大小和网络输入数据大小一致，从而保留分割所需的细节信息；

网络的中间层通过多个空洞卷积连接获得静动脉分离所需的上下文全局信息；

网络的低层特征和高层特征通过堆叠concat或相加add进行连接，来获得静动脉分离所需的细节信息；

网络的最后一层为Softmax激活输出层。

6.根据权利要求1所述，其特征在于，进行静动脉分离需要对CT图像进行切块然后预测，包括：

将三维CT图像矩阵切成m×n×k的立方块，然后利用所述无下采样三维空洞卷积神经网络将切块分割成背景、静脉和动脉三类，即静动脉分离，最后将所有立方块的分割结果组合成最后的分割结果，得到静动脉分离。

7.一种基于CT图像的静动脉分离装置，其特征在于，包括：

肺分割模块，使用预设的三维肺分割模型对胸部CT图像进行肺部区域分割，得到肺部区域的三维掩模mask；

肺部区域处理模块，对所述肺mask做凸包操作，并根据所述凸包后的肺mask取肺部区域，并将所述肺外区域像素值置为0，且根据所述肺mask得到最大肺外接包围框；

静动脉分离模块，利用预设的无下采样三维空洞卷积神经网络在所述肺外接包围框内对所述肺分割后的CT图像进行静动脉分离，得到静动脉mask。

8.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至6任一项所述的方法。

9.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至6任一项所述的方法。