[发明专利]一种基于人工神经网络的CT图像分割方法

说明书

本发明涉及医学CT图像处理技术领域，公开了一种基于人工神经网络的CT图像分割方法，包括如下步骤：对CT图像进行预处理；分割骨骼部分，获取腹腔的外轮廓，并确定断层数；在骨骼的轮廓内部进行脏腑器官特征识别，提取单独脏腑器官的轮廓；对脏腑器官轮廓处理后分割，分类存储；判断是否将该断层内的所有脏腑器官分割出来，如没有，返回重新处理，否则，进行下一步；依据需求集中提取某个脏腑器官的多个断层数据；该方法通过先分割骨骼部分，快速确定脏腑器官所在区域，减少后续脏腑器官识别分割的数据处理，减少了无效的识别，加快了分割速度；通过设置标准库，对分割后的图像数据进行检测，保证了分割出图像的完整度。

技术领域

本发明涉及医学CT图像处理技术领域，具体涉及一种基于人工神经网络的CT图像分割方法。

背景技术

CT(Computed Tomography)，即电子计算机断层扫描，它是利用精确准直的X线束与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，生成的CT图像能够辅助医生进行判断和治疗，这需要医生的专业度以及熟练度，现今卷积神经网络在图像分割领域得到了显著成就，已经应用在医学图像中的器官识别以及区域检测，但由于腹部断层CT图像具有部分容积效应、灰度不均匀性、伪影、不同软组织间灰度的接近性特点，对于从CT图像上将感兴趣区域准确提取出来，并进一步放大分析，存在分割不完全、噪点多的现象。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于人工神经网络的CT图像分割方法。

为了实现上述目的，本发明提供如下技术方案：

一种基于人工神经网络的CT图像分割方法，包括如下步骤：

S1：对CT图像进行预处理；

S2：分割骨骼部分，获取腹腔的外轮廓，并依据骨骼确定断层数；

S3：在骨骼的轮廓内部进行脏腑器官特征识别，提取单独脏腑器官的轮廓；

S4：对脏腑器官轮廓处理后进行分割，并分类存储；

S5：对分割后的每一断层对应的脏腑器官数量进行判别，以确定是否将该断层内的所有脏腑器官分割出来，如没有，返回步骤S2重新处理，否则，进行下一步；

S6：依据需求集中提取某个脏腑器官的多个断层数据。

在本发明中，优选的，在步骤S1中，预处理依次包括像素处理、锐化处理和去噪处理，其中像素处理用于降低CT图像的像素值范围。

在本发明中，优选的，所述锐化处理对原像素点的像素值进行修改，改后像素值等于与其相邻的上下左右四个像素点之和减去自身像素值。

在本发明中，优选的，所述去燥处理采用中值滤波方式，对图像进行去燥处理，降低CT图像的噪点。

在本发明中，优选的，在步骤S2中，依据骨骼的CT图像特性，识别胸椎、椎弓、棘突以及肋骨，从而确定腹腔的外轮廓。

在本发明中，优选的，由于CT图像在进行断层扫描，位置不同，对应得到的CT图像内的脏腑器官形态不同，故依据得到的肋骨状态确定CT图像的纵向断层顺序，不同的断层数对应的脏腑器官识别出的种类不同。

在本发明中，优选的，在步骤S3中，依据步骤S2中识别的骨骼，以骨骼的内侧轮廓线位边界，采用全卷积神经网路进行脏腑器官的轮廓识别。

在本发明中，优选的，在步骤S4中，通过开运算对轮廓外部噪声进行消除，使轮廓线平滑，并按照轮廓线进行分割，分割后图像数据按对应的脏腑器官的名称和所在断层数进行分类存储。

在本发明中，优选的，在步骤S5中，为避免分割的脏腑器官种类有遗漏，将分割出的每一断层的脏腑器官与标准库进行比对判定。