[发明专利]一种基于骨盆结构的直肠癌肿瘤图像预处理方法及装置

说明书

本发明涉及一种基于骨盆结构特征的直肠肿瘤图像预处理方法及装置，其包括步骤：基于骨盆结构特征确定定位点和定位平面并根据所述定位点和定位平面确定样本点的原始坐标系；根据所述定位点和定位平面在骨盆区域的位置特征选择标准人样本；基于所述标准人样本获取所述原始坐标系与标准人坐标系之间的变换关系；按照所述变换关系将训练图像集中的掩模区域映射到所述标准人坐标系中获取肿瘤可疑区域，可有效提高肿瘤图像分割精度。

技术领域

本发明涉及医学图像处理与分析应用领域，特别涉及一种基于骨盆结构的直肠癌肿瘤图像预处理方法及装置。

背景技术

目前，由于直肠癌的高发病率和高死亡率，通过早期发现提高直肠癌患者的生存率越来越受到研究者的关注。CT是诊断直肠癌的一种有效技术，可以全面、无创、定量地观察肿瘤的整体形态。医学图像诊断的第一步是感兴趣区域的分割。传统上，分割是通过放射科医师的手工描绘和分割来完成的。然而，这一过程不仅费力，而且具有内部和内部的可变性。此外，放射治疗的质量和随后的分析，可能取决于这些人工分割的准确性。因此，需要计算机辅助的高效的直肠肿瘤自动分割方法，提高肿瘤信息的准确性，减轻医生的负担，增强感兴趣区域的鲁棒性。随着医学图像自动分割技术的快速发展，在自动分割中使用深度学习变得更加普遍。新的基于深度学习的自动分割技术比传统的方法有了显著的改进。

相关技术中，提出了一种基于深度学习的直肠肿瘤自动分割方法。虽然该方法表现出良好的性能，但在二维数据上的实现不符合三维CT图像的体积形式。二维CNN算法对CT数据按切片序列进行分割。虽然基于CNN的二维自动分割方法在分割的精度上有了很大的提高，但在使用体积空间信息时，内核固有的二维形式限制了其发展。此外，基于深度学习的自动分割常用的方法是简单地使用U-net进行神经网络训练，并带有内置的预处理过程，这对于处理直肠肿瘤的ROI过于粗糙。而直肠肿瘤在CT图像中的准确分割至关重要，因此，本发明引入一种结合骨盆结构特征的预处理方法，以提高肿瘤图像分割的计算精度。

发明内容

本发明实施例提供一种基于骨盆结构的直肠癌肿瘤图像预处理方法及装置，提高肿瘤图像分割的计算精度。

第一方面，提供了一种基于骨盆结构的直肠癌肿瘤图像预处理方法，其包括步骤：基于骨盆结构特征确定定位点和定位平面并根据所述定位点和定位平面确定样本点的原始坐标系；根据所述定位点和定位平面在骨盆区域的位置特征选择标准人样本；基于所述标准人样本获取所述原始坐标系与标准人坐标系之间的变换关系；按照所述变换关系将训练图像集中的掩模区域映射到所述标准人坐标系中获取肿瘤可疑区域。

一些实施例中，所述基于骨盆结构特征确定定位点和定位平面，包括步骤：基于患者CT图像获取骨盆区域重心点并以此为定位点；基于骨盆区域的结构特征以及所述骨盆区域重心点在所述骨盆区域中的相对位置确定第一定位平面；基于所述骨盆区域重心点与所述第一定位平面确定第二定位平面；基于所述骨盆区域重心点、所述第一定位平面和所述第二定位平面确定第三定位平面。

一些实施例中，所述根据所述定位点和定位平面确定样本点的原始坐标系，包括步骤：以所述骨盆区域重心点为所述原始坐标系的原点；分别以所述第一定位平面、第二定位平面和第三定位平面的法向量的方向为坐标轴x,y,z的方向建立原始坐标系。

一些实施例中，所述基于患者CT图像获取骨盆区域重心点，包括步骤：对患者CT图像的三维图像进行二值化处理并获取样本点；在笛卡尔坐标系下将所述样本点在x,y,z三个方向上求均值以确定所述骨盆区域重心点的坐标。

一些实施例中，所述基于骨盆区域的结构特征以及所述骨盆区域重心点在所述骨盆区域中的相对位置确定第一定位平面，包括步骤：

基于第一公式确定所述第一定位平面；

所述第一公式为：

其中，为所述骨盆区域重心点的坐标，是所述第一定位平面的法向量，是骨盆区域重心点到第一定位平面的有向距离。