[发明专利]基于DRR模拟数据生成的二维骨骼分割方法及装置

说明书

基于DRR模拟数据生成的二维骨骼分割方法及装置，能够获取足够的算法训练样本量，突破了医疗图像体量对方法性能的限制，完全不使用X射线来训练，仍然可以分割出X射线的骨骼，并且分割结果和骨骼十分接近。方法包括：(1)生成模拟数据：通过扇形区域控制点采样和GPU加速获取改进DRR，并通过改进DRR分别生成模拟TIPS术中二维X射线图像和对应的模拟骨骼分割金标准；(2)模型训练：利用模拟数据集进行二维X射线图像中骨骼分割网络模型的训练；(3)骨骼分割：结合传统的U型网络结构改进嵌套U型网络U²‑Net，执行术中二维图像的骨骼分割。

技术领域

本发明涉及医学图像处理的技术领域，尤其涉及一种基于DRR模拟数据生成的二维骨骼分割方法，以及基于DRR模拟数据生成的二维骨骼分割装置。

背景技术

在图像分割领域，基于神经网络的分割方法往往具有十分优异的表现。现存的方法大多是对自然图像进行分割，因此其所需的数据集以及金标准较易获取。但是，由于像素级金标准需要专业医疗人员进行标注，并且X射线图像中非骨骼组织与骨骼的重叠会加大金标准标注的难度，导致这项数据标注任务及其耗费时间精力、占用人工成本，因此公开的医学图像数据集较为紧缺，可用于训练的医学图像数据集远远不及自然图像的丰富程度和普及程度。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种基于 DRR模拟数据生成的二维骨骼分割方法，其能够获取足够的算法训练样本量，突破了医疗图像体量对方法性能的限制，完全不使用X射线来训练，仍然可以分割出X射线的骨骼，并且分割结果和骨骼十分接近。

本发明的技术方案是：这种基于DRR模拟数据生成的二维骨骼分割方法，其包括以下步骤：

(1)生成模拟数据：通过扇形区域控制点采样和GPU加速获取改进 DRR，并通过改进DRR分别生成模拟TIPS术中二维X射线图像和对应的模拟骨骼分割金标准；

(2)模型训练：利用模拟数据集进行二维X射线图像中骨骼分割网络模型的训练；

(3)骨骼分割：结合传统的U型网络结构改进嵌套U型网络U²- Net，执行术中二维图像的骨骼分割。

本发明通过扇形区域控制点采样和GPU加速获取改进DRR，并通过改进DRR分别生成模拟TIPS术中二维X射线图像和对应的模拟骨骼分割金标准，利用模拟数据集进行二维X射线图像中骨骼分割网络模型的训练，结合传统的U型网络结构改进嵌套U型网络U²-Net，执行术中二维图像的骨骼分割，因此能够获取足够的算法训练样本量，突破了医疗图像体量对方法性能的限制，完全不使用X射线来训练，仍然可以分割出X射线的骨骼，并且分割结果和骨骼十分接近。

还提供了基于DRR模拟数据生成的二维骨骼分割装置，其包括：

生成模拟数据模块，其配置来通过扇形区域控制点采样和GPU加速获取改进DRR，并通过改进DRR分别生成模拟TIPS术中二维X射线图像和对应的模拟骨骼分割金标准；

模型训练模块，其配置来利用模拟数据集进行二维X射线图像中骨骼分割网络模型的训练；

骨骼分割模块，其配置来结合传统的U型网络结构改进嵌套U型网络U²-Net，执行术中二维图像的骨骼分割。

附图说明

图1是根据本发明的基于DRR模拟数据生成的二维骨骼分割方法的流程图。

图2示出了基于扇形区域处理方法的Ray-casting算法模型。

图3示出了CT数据在只使用CPU和使用GPU加速的基于扇形区域处理的改进DRR的结果。(a)和(c)分别为骨骼数据和原始体数据只使用CPU 的DRR结果，(b)和(d)分别为骨骼数据和原始体数据使用GPU加速的基于改进的DRR结果。