[发明专利]基于深度卷积神经网络的脑动脉瘤三维检测分割方法

说明书

本申请提出了一种基于深度卷积神经网络的脑动脉瘤三维检测分割方法，包括：获取待分割的三维医学图像数据；对三维医学图像数据的预测进行初始化，生成种子点作为初始的已测试区域；从已测试区域向外扩张一个区域，得到扩张区域；将扩张区域输入至训练好的流网络模型中，对扩张区域进行预测，并将经过预测的扩张区域并入已测试区域；对三维医学图像数据进行迭代预测，直到已测试区域完全覆盖三维医学图像数据，完成预测，得到三维医学图像数据的预测结果；根据三维医学图像数据的预测结果，得到三维医学图像数据的分割结果。本申请引入了流网络模型中迭代预测的思路，在保持样本三维结构信息的同时减少了模型的参数量，从而使模型更加准确、便捷。

技术领域

本申请涉及计算机多媒体技术领域，尤其涉及基于深度卷积神经网络的脑动脉瘤三维检测分割方法和装置。

背景技术

随着CT、MRI(Magnetic Resonance Imaging，磁共振成像)等医学图像检测技术的不断发展，对医生在许多疾病的临床诊断和病理研究等方面有了极大的辅助，特别是对于癫痫、脑卒中、脑动脉瘤等疾病的诊断和研究，脑部成像技术的出现为其提供了一项非常有效的技术辅助手段。但是随着成像技术的不断发展成熟，传统的依靠专家辨识的方法已经无法满足日益增长的医疗图像数量和诊断需求，因此利用人工智能技术对其进行分析，对提升效率和节约成本都有着重要的意义。颅内疾病的治疗大都需要进行精准定位，尽量降低治疗对病人造成的损伤。由此可见，颅内疾病的病灶精准定位技术在临床诊断和病理研究中都有着重要的意义和急迫的需求。

脑动脉瘤是由于脑动脉壁的病变或损伤，形成动脉壁局限性或弥漫性扩张或膨出的表现，一旦出血容易造成意识障碍、昏迷等症状，严重者会危及生命。常见的脑动脉瘤的临床诊断技术主要包括使用CT、MRI等医学图像手段以及脑血管造影等技术。但是，传统的医学图像手段虽能发现动脉瘤的存在，但难以对病灶的位置和大小进行精确的估计；而脑血管造影术虽然能够对动脉瘤等一系列颅内疾病准确定位，但是需要较长时间的准备和手术过程，并且可能会造成并发症和意外。因此，如何在保持检测精准性的同时减少对病人的伤害，成为了新一代检测技术研究过程中的突破方向。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种基于深度卷积神经网络的脑动脉瘤三维检测分割方法，解决了现有图像分割方法在脑动脉瘤等病灶检测任务中难以实现对病灶区域的精细三维分割的问题，通过引入流网络模型中迭代预测的思路，在保持图像三维结构信息的同时减少了模型的参数量，使得模型更加准确、便捷，从而实现对脑动脉瘤病灶的三维精准定位和分割。

本申请的第二个目的在于提出一种基于深度卷积神经网络的脑动脉瘤三维检测分割装置。

本申请的第三个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种基于深度卷积神经网络的脑动脉瘤三维检测分割方法，包括：获取待分割的三维医学图像数据；对三维医学图像数据的预测进行初始化，生成种子点作为初始的已测试区域；从已测试区域向外扩张一个区域，得到扩张区域；将扩张区域输入至训练好的流网络模型中，对扩张区域进行预测，并将经过预测的扩张区域并入已测试区域；对三维医学图像数据进行迭代预测，直到已测试区域完全覆盖三维医学图像数据，完成预测，得到三维医学图像数据的预测结果；根据三维医学图像数据的预测结果，得到三维医学图像数据的分割结果。

可选地，在本申请的一个实施例中，对三维医学图像数据的预测进行初始化，生成种子点作为初始的已测试区域，包括：

在三维医学图像数据上随机生成种子点，将种子点所在的体素点作为初始的已测试区域。

可选地，在本申请的一个实施例中，方法，还包括：

采集脑动脉瘤的三维医学图像数据，并对脑动脉瘤的三维医学图像数据进行标注，生成训练数据集；