[发明专利]一种基于计算机断层扫描3D图像的全心脏分割方法、装置、设备及介质

权利要求书

1.一种基于计算机断层扫描3D图像的全心脏分割方法，其特征在于：所述方法包括以下步骤：

S1、检测与定位

通过改进的3DFasterR-CNN网络，检测并定位CT图像中的心脏区域；

S2、分割

将步骤S1中检测定位到的CT图像中的心脏区域通过改进的3DU-Net网络进行分割；

S3、根据步骤S1检测与定位得到的阶段性结果和步骤S2分割得到的的阶段性结果设定损失函数；

S4、步骤S3中的损失函数指导CT图像的分割向正确的方向进行，使CT图像的分割的预测值逼近于真实值。

2.根据权利要求1所述的一种基于计算机断层扫描3D图像的全心脏分割方法，其特征在于：步骤S1中的改进的3DFasterR-CNN网络包括以下改进步骤：

S101、将现有的FasterR-CNN扩展为3DFasterR-CNN，将所有的2D卷积核替换为3D卷积核；

S102、将现有的FasterR-CNN的ResNet部分替换为P3DResNet结构，P3D网络将三维空间划分为两个正交基，用1×3×3的卷积核和3×1×1的卷积核模拟3×3×3的卷积核；

S103、在P3DResNet后增加一个FPN结构来组合不同分辨率的特征图。

3.根据权利要求2所述的一种基于计算机断层扫描3D图像的全心脏分割方法，其特征在于：步骤S1中的改进的3DFasterR-CNN网络检测并定位CT图中的心脏区域包括以下步骤：

S1011、输入心脏CT图像经过卷积层、批归一化层、ReLU激活函数层、和最大池化层处理得到仅有四分之一原图尺寸的特征图，记作C1；

S1021、经过两个P3D结构处理，得到八分之一原图尺寸的特征图C2；在此基础上，经过三个P3D结构处理，得到十六分之一原图尺寸的特征图C3；

S1031、对C3进行卷积和上采样处理与卷积处理后的C2求和，得到P2；对C3进行两次卷积处理得到P3，即完成了FPN部分调整输入图像大小到不同尺寸，得到不同分辨率的特征图；

S1041、将P2和P3连接得到特征图作为RPN部分的输入，用来提取不同候选框，对得到的建议的ROI与输入特征图对齐进行微调；

S1051、最终得到和真实边界框很接近的包含心脏的预测边界框及其包含心脏的概率，即完成了对心脏区域的检测和定位任务。

4.根据权利要求3所述的一种基于计算机断层扫描3D图像的全心脏分割方法，其特征在于：步骤S2中改进的3DU-Net网络包括以下改进步骤：

S201、在编码路径上增加了残差链接；

S202、为上采样增加额外的反卷积层；

S203、在解码路径上增加深度监督路径，将不同尺度的特征信息相结合。

5.根据权利要求4所述的一种基于计算机断层扫描3D图像的全心脏分割方法，其特征在于：步骤S2中改进的3DU-Net网络对心脏区域进行分割，包括以下步骤：

S2012、分割由编码路径、解码路径和深度监督路径组成；

S2022、与边界框对齐的原始CT图像作为分割网络的输入，在编码路径上经过层层网络得到包含高分辨率信息的特征图，同时增加残差连接，使CT图像的分割在深层网络中也能学到简单的特征，以强化特征学习能力；

S2032、在解码路径引入跳跃连接，将编码、解码路径对应尺度的特征信息连接起来，以提高分割性能；

S2042、深度监督路径上将解码路径上不同分辨率的输出叠加到最终输出上，作为最终预测输出，同时在末端添加一个反卷积层，扩大分割网络输出特征尺寸到输入特征图尺寸的二倍，以弥补下采样造成的精度损失；

S2052、最终输出为通道数为8，尺寸为(128，128，128)的one-hot编码特征图。