[发明专利]一种基于卷积神经网络的CT图像中带夹层主动脉分割方法

权利要求书

1.一种基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，包括以下步骤：

步骤1、获取带夹层主动脉CT图像以及对应的人工标记图像

步骤2、由带夹层主动脉CT图像以及对应的人工标记图像计算得到三维卷积神经网络的训练集T_3D和两个二维神经网络的训练集和

步骤3、利用得到的三维网络训练集T_3D训练三维卷积神经网络N_3D得到三维模型M_3D，同时利用得到的二维网络训练集和分别训练对应的二维卷积神经网络和得到二维模型和

步骤4、对待分割的临床三维CT图像进行预处理，得到预处理后的三维CT图像

步骤5、将预处理后的三维CT图像输入训练好的三维模型M_3D中，得到初步的分块标记A_3D；

步骤6、对初步的分块标记A_3D进行后处理，得到精细的分块标记

步骤7、根据精细的分块标记将待分割的三维CT图像按断层分为两部分和分别逐层输入到对应的训练好的二维模型和中，得到对应的两组特征值图像和

步骤8、结合两组特征值图像和得到整体的特征值图像F_3D，并对F_3D做阈值分割得到最终的分割结果S_3D。

2.如权利要求1所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，步骤1 中带夹层主动脉CT图像中应包含升主动脉，主动脉弓与降主动脉。

3.如权利要求1所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，步骤2 中的计算得到三维卷积神经网络的训练集T_3D过程为：将带夹层主动脉CT图像以及对应的人工标记图像插值到统一的较低分辨率dx×dy×dz；

计算得到两个二维神经网络的训练集和的过程为：将带夹层主动脉CT图像的轴向断层，根据是否包含升主动脉和主动脉弓部分分为两类，将对应的CT图像和人工标记断层分别加入训练集和具体为：将包含升主动脉或主动脉弓的断层及其对应的人工标记图像断层加入二维神经网络的训练集将仅包含降主动脉的断层及其对应的人工标记图像断层加入二维神经网络的训练集

4.如权利要求1所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，步骤3 中的三维卷积神经网络N_3D为三维全卷积神经网络，输入为插值后的三维数据，输出为一维数组；二维卷积神经网络和为具有相同结构的二维全卷积神经网络，输入为原始大小的二维CT图像断层，输出为与输入图像大小相同的二维分割结果图像断层。

5.如权利要求4所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，二维全卷积神经网络，由三个全卷积神经网络N_area、N_edge和N_fusion组成，其中N_area输入原始大小的二维CT图像断层得到初步分割结果，N_edge输入原始大小的二维CT图像断层得到边界提取结果，N_fusion输入前两个网络的结果得到精细的分割结果。

6.如权利要求1所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，步骤4中的预处理为将待分割的临床三维CT图像插值到统一的较低分辨率dx×dy×dz，得到预处理后的三维CT图像

7.如权利要求1所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，步骤6中的后处理应包含阈值分割、一维形态学膨胀和一维插值步骤。

8.如权利要求1所述基于卷积神经网络的CT图像中带夹层主动脉分割方法，其特征在于，步骤7中的根据精细的分块标记将带分割的三维CT图像按断层分为两部分和具体操作为将中标记为1的断层加入标记为0的断层加入