[发明专利]医学图像分割模型构建方法与CBCT图像骨分割方法

权利要求书

1.一种医学图像分割模型构建方法，所述方法包括：

获取单个样本对象目标部位的CT图像以及CBCT图像；

以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果；

对所述配准结果中CT图像进行骨分割，得到二值图像，将所述二值图像作为所述配准结果中CBCT图像的骨性组织标签图，得到单组样本数据；

重新选取单个样本对象，返回所述获取单个样本对象目标部位的CT图像以及CBCT图像，直至得到的样本数据的组数大于预设数量阈值，得到样本数据集；

根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型。

2.根据权利要求1所述的方法，其特征在于，所述获取单个样本对象目标部位的CT图像以及CBCT图像包括：

获取单个样本对象目标部位的初始CT图像以及初始CBCT图像；

利用DICOM格式数据的坐标中心与像素间隔，并通过插值将所述初始CT图像与初始CBCT图像的分辨率统一，得到单个样本对象目标部位的CT图像以及CBCT图像。

3.根据权利要求2所述的方法，其特征在于，所述获取单个样本对象目标部位的初始CT图像以及初始CBCT图像包括：

记录由CT设备在样本对象目标部位所属区域设置至少两个标志位；

通过所述CT设备采集样本对象目标部位的初始CT图像；

调整样本对象相对CBCT成像系统的位置，以使所述CBCT成像系统中定位装置中标志位对齐所述样本对象上所述至少两个标志位；

通过所述CBCT成像系统采集初始CBCT图像。

4.根据权利要求1所述的方法，其特征在于，

所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型之前，还包括：

对所述样本数据集进行预处理和数据增强，得到扩充后的样本数据集；

所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型包括：

根据所述扩充后的样本数据集训练初始神经网络模型，得到医学图像分割模型。

5.根据权利要求1所述的方法，其特征在于，所述对所述配准结果中CT图像进行骨分割，得到二值图像包括：

基于直方图的阈值骨分割算法对所述配准结果中CT图像进行骨分割，得到二值化CT图像。

6.根据权利要求1所述的方法，其特征在于，所述以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果包括：

以所述CT图像作为浮动图像、且以所述CBCT图像作为参考图像，基于最大互信息的弹性配准算法，对所述CT图像和所述CBCT图像进行弹性配准，得到CT图像与CBCT图像的配准结果。

7.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据集训练初始神经网络模型，得到医学图像分割模型包括：

根据所述样本数据集训练U-Net神经网络模型，以调整所述U-Net神经网络模型中模型层数以及每层的通道数，得到医学图像分割模型。

8.一种CBCT图像骨分割方法，所述方法包括：

获取待处理CBCT图像；

将所述待处理CBCT图像输入至预设医学图像分割模型；

根据所述医学图像分割模型输出数据，得到与所述待处理CBCT图像对应的骨组织二值图像；

根据所述骨组织二值图像对所述待处理CBCT图像进行处理，得到分割出骨组织的CBCT图像，其中，所述预设医学图像分割模型由上述1-7任意一项所述方法构建。