[发明专利]一种CT肋骨分割方法及装置

权利要求书

1.一种CT肋骨分割方法，其特征在于，包括：

S1，获取训练数据，根据所述训练数据生成两类标签，其中，所述两类标签包括：当前层的像素级肋骨标签和当前层与下一层或者多层的关系；

S2，根据所述两类标签训练两任务的全卷积图像语义分割模型，得到肋骨分割模型，其中所述两任务共享输入和底层的特征表达，顶端使用各自的分类器；

S3，获取待分割CT数据，其中，所述待分割CT数据包括CT中所有层面；

S4，用训练好的所述肋骨分割模型推理出所述待分割CT数据中每一层上的二维分割结果以及相邻层关系，基于二维分割使用连通域检测算法得到每层的肋骨轮廓；

S5，根据相邻层关系合并所有层的肋骨轮廓得到三维分割结果；

S6，利用后处理算法，得到所述待分割CT数据的CT肋骨分割结果。

2.根据权利要求1所述的方法，其特征在于，所述S5，根据相邻层关系合并所有层的肋骨轮廓得到三维分割结果包括：

对于相邻层，合并重合度大于阈值的肋骨轮廓，其中，所述重合度是相邻层的肋骨轮廓交的面积比并的面积，且计算交时排除被所述肋骨分割模型在每层中预测不属于同一根肋骨的像素点，或者所述重合度是计算相邻层的肋骨轮廓交的面积，或者所述重合度是通用的指标。

3.根据权利要求1所述的方法，其特征在于，所述后处理算法包括：

删除零散的体积符合预设规则的连通域；或者

使用条件随机场平滑输出。

4.根据权利要求1所述的方法，其特征在于，在所述S2根据所述两类标签训练两任务的全卷积图像语义分割模型，得到肋骨分割模型之后，所述S3，获取待分割CT数据之前，还包括：

S21，利用所述肋骨分割模型在所述两类标签上推理以得到新的伪标签；

S22，对所述新的伪标签进行优化，将优化后的所述新的伪标签作为所述两类标签；返回执行S2，根据所述两类标签训练两任务的全卷积图像语义分割模型，得到肋骨分割模型的步骤；

重复执行S21-S22，直至符合预设结果，得到所述肋骨分割模型。

5.根据权利要求4所述的方法，其特征在于，所述对所述新的伪标签进行优化包括：

对所述新的伪标签做多种变换，推理多次取输出的平均值。

6.一种CT肋骨分割装置，其特征在于，包括：

第一获取模块，用于获取训练数据，根据所述训练数据生成两类标签，其中，所述两类标签包括：当前层的像素级肋骨标签和当前层与下一层或者多层的关系；

训练模块，用于根据所述两类标签训练两任务的全卷积图像语义分割模型，得到肋骨分割模型，其中所述两任务共享输入和底层的特征表达，顶端使用各自的分类器；

第二获取模块，用于获取待分割CT数据，其中，所述待分割CT数据包括CT中所有层面；

第一肋骨轮廓分割模块，用于用训练好的所述肋骨分割模型推理出所述待分割CT数据中每一层上的二维分割结果以及相邻层关系，基于二维分割使用连通域检测算法得到每层的肋骨轮廓；

第二肋骨轮廓分割模块，用于根据相邻层关系合并所有层的肋骨轮廓得到三维分割结果；

处理模块，用于利用后处理算法，得到所述待分割CT数据的CT肋骨分割结果。

7.根据权利要求6所述的装置，其特征在于，所述训练模块通过如下方式根据相邻层关系合并所有层的肋骨轮廓得到三维分割结果：

所述训练模块，具体用于对于相邻层，合并重合度大于阈值的肋骨轮廓，其中，所述重合度是相邻层的肋骨轮廓交的面积比并的面积，且计算交时排除被所述肋骨分割模型在每层中预测不属于同一根肋骨的像素点，或者所述重合度是计算相邻层的肋骨轮廓交的面积，或者所述重合度是通用的指标。

8.根据权利要求6所述的装置，其特征在于，所述后处理算法包括：

删除零散的体积符合预设规则的连通域；或者

使用条件随机场平滑输出。