[发明专利]心脏与肺叶分割的方法和系统

说明书

本公开涉及一种心脏与肺叶分割的系统，包括分割模型，配置成基于神经网络对胸片图像进行心脏分割和肺叶分割；以及心胸比计算组件，配置成基于所述心脏分割和所述肺叶分割的结果，计算心脏宽度与肺叶宽度的比值。本公开还涉及相应的方法和计算机可读介质。

技术领域

本公开一般涉及医疗图像处理，尤其涉及心脏与肺叶分割。

背景技术

心脏居于胸部中间偏左位置，其大小与人的身高体重有关。正常心脏的宽度占胸腔宽度的50％以下。心脏肥大一般可指心脏的宽度占胸腔的宽度超过50％。

心脏肥大可以分为扩大以及肥大两种。扩大时心脏肌肉没有变厚，有时反而更薄。引起这种状况的常见原因有心肌炎、心瓣膜关闭不全、甲状腺功能亢进以及维生素B1缺乏等。肥大时心肌会变厚，但是心腔没有出现增大，有时反而变小，只是整个心脏的外观比正常大。引起这种状况的常见原因有高血压以及遗传性肥厚型心肌病等。

心脏肥大的检测对于提早发现心脏疾病具有重要作用。X光(X-Rays)胸片由于其比较低廉的价格以及相对较好的效果，在肺部疾病以及心脏疾病的早期发现以及诊断当中占有重要的地位。然而，目前大部分医院缺乏足够的放射科医生，因此往往一位放射科医生每天可能需要查看几百张X光胸片。如此大的工作量给放射科医生带来了巨大的负担，而且还增加了放射科医生对于X光胸片当中疾病的误诊以及漏诊的概率。

现有的肺叶分割算法，诸如基于对象边缘检测的算法，例如索伯(Sobel)、普鲁伊特(Prewitt)和拉普拉斯(Laplacian)都不能做出令人满意的分割结果，这是因为这些算法对图像噪声很敏感。后来出现了结合图像形态学以及坎尼(Canny)边缘滤波器的分割算法、以及基于FCM(模糊C均值)的分割算法，这些方法虽然一定程度上提升了分割准确性，然而都需要选取合适的阈值，这无疑增加了算法的复杂性。通过类似配准的方法来自动估算心脏与肺叶的算法虽然能够同时分割心脏与肺叶，但是这种方法得到的分割结果准确率不高，并且速度比较慢。

在现有技术条件下，想要真正实现快速实时地对X光胸片进行高精度分割可能需要进行繁琐的数据预处理以及模型迭代的过程。并且现有算法有时会出现分割失败的情况，这样显然是无法满足实际应用需求的。

由此，需要能够实现对X光胸片或其他医学图像中的心脏与肺叶的实时且准确的自动分割(例如，1秒以内)的改进的技术。

发明内容

本公开的一方面涉及一种心脏与肺叶分割的系统，包括分割模型，配置成基于神经网络对胸片图像进行心脏分割和肺叶分割；以及心胸比计算组件，配置成基于所述心脏分割和所述肺叶分割的结果，计算心脏宽度与肺叶宽度的比值。

根据一示例性而非限定性实施例，该系统进一步包括预处理器组件，其被配置成在对所述胸片图像进行心脏分割和肺叶分割之前对至少一部分所述胸片图像进行以下至少一项或其任何组合：标准化与归一化。

根据另一示例性而非限定性实施例，分割模型被进一步配置成基于训练图像集进行学习，所述学习包括有监督学习或半监督学习。

根据又一示例性而非限定性实施例，预处理组件还被配置成在所述数据增强组件对所述训练图像集进行数据增强之前，筛除所述训练图像集中侧位的胸片并保留正位的胸片，并且所述系统进一步包括数据增强组件，配置成对所述训练图像集进行数据增强处理，所述数据增强处理包括以下至少一项或其任何组合：大小调整、裁剪、旋转、填充、平移、翻转、改变对比度。

本公开的其它方面还涉及相应的方法、设备和计算机可读介质。

附图说明

图1示出了根据本公开的一示例性方面的基于神经网络的心脏与肺叶分割系统的示例性实现的框图。

图2示出了根据本公开一方面的基于神经网络的心脏与肺叶分割的方法。