[发明专利]一种基于变形场的器官表面病灶检出的方法和装置

说明书

本发明提供了一种基于变形场的器官表面病灶检出的方法和装置，其中方法包括：获取医学影像序列，基于器官分割模型对目标器官进行分割；基于目标器官的分割结果，进行变形场初始化，将扭曲的目标器官轮廓变形成直线；确定病灶轮廓，对图像进行预处理，划分训练集和测试集，在训练集上对病灶检出模型进行训练，在测试集上对病灶检出模型进行验证；利用病灶检出模型检出器官表面病灶。提高了器官表面的病灶检出模型性能，尤其是器官表面细条形附着的病灶的检出性能。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于变形场的器官表面病灶检出的方法和装置。

背景技术

随着医学成像技术的发展，计算机断层扫描技术(CT)、磁共振成像(MRI)等技术被广泛应用于器官和病灶的分析和诊断流程中。对于器官表面的病灶检出，如卵巢癌肝周转移病灶，其在每一层扫描图像上常常呈现细条形附着的状态，对检出模型来说是一个较大的挑战。同时，器官的位置可以为病灶检出提供先验知识。如何把这些先验知识利用起来，提高器官表面的病灶检出效能，是亟需研究的问题。

当前现有目标检测算法可以分为基于锚点的目标检测(anchor-based)和无锚点的目标检测(anchor-free)，这两种方法对于细长条物体的检出效能均有所下降。尤其是当细长条物体处于图像中对角方向时，基于矩形检测框的模型在训练时会引入大量的背景噪声，影响模型效能。

现有的处理细长条物体的检出算法研究较少，这些研究主要集中于基于注意力机制的特征自适应提取。然而，这些算法无法充分利用医学影像的解剖学先验信息，无法对目标病灶进行针对性分析。

发明内容

本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的基于变形场的器官表面病灶检出的方法和装置。

为达到上述目的，本发明的技术方案具体是这样实现的：

本发明的一个方面提供了一种基于变形场的器官表面病灶检出的方法，包括：获取医学影像序列，基于器官分割模型对目标器官进行分割；基于所述目标器官的分割结果，进行变形场初始化，将扭曲的所述目标器官轮廓变形成直线；确定病灶轮廓，对图像进行预处理，划分训练集和测试集，在所述训练集上对病灶检出模型进行训练，在所述测试集上对所述病灶检出模型进行验证；利用所述病灶检出模型检出器官表面病灶。

其中，所述基于所述目标器官的分割结果，进行变形场初始化，将扭曲的所述目标器官轮廓变形成直线包括：基于所述目标器官的分割结果得到器官边界的轮廓点集S；确定变形场，所述变形场的形状为(H,W,2)，其中，变形场的宽W为|S|-2，变形场的高度H为自定义的超参数；变形场所描述的对应关系针对所述轮廓点集S中除首尾之外的每个点进行迭代计算，沿W方向依次拼接，得到完整的初始变形场Φ₀。

其中，所述变形场所描述的对应关系针对所述轮廓点集S中除首尾之外的每个点进行迭代计算包括：对点集中除首尾之外的每个点p₂，利用过p点等间隔采样算法计算映射关系；其中，所述利用过p点等间隔采样算法包括：基于待计算的点p₂(x₂,y₂)，找到它前后的两个点，p₁(x₁,y₁)和p₃(x₃,y₃)。由p₁和p₃，计算过p₁和p₃两点的直线L₁的公式；计算过p₂的、垂直于L₁的直线L₂的公式；在直线L₂上，围绕p₂进行等间隔采样。