[发明专利]基于自训练和切片传播的弱监督脊椎椎体分割方法和系统

权利要求书

1.一种基于自训练和切片传播的弱监督脊椎椎体分割方法，其特征在于，包括如下步骤：

数据预处理与标注步骤：将数据集分为训练集和测试集，并给训练集的CT图像的正中矢状面进行粗略标注，标注出每块脊骨的四个顶点，形成粗略标签；

模型训练步骤：利用四个顶点的粗略标签，依次连接得到四边形区域，作为分割标注训练一个二维Mask RCNN分割网络；

分割结果优化步骤：利用二维Mask RCNN分割网络检测到的脊骨中心点拟合出一条曲线，仅保留中心点与该曲线距离小于设定阈值的检测结果作为置信区域，并对置信区域使用条件随机场建模，得到新的概率分布图作为优化后的分割结果；

自训练步骤：将训练得到的二维Mask RCNN分割网络在训练集上进行预测，并将得到的分割结果作为新的标签继续训练网络，以此迭代地优化原始的四个顶点的粗略标签。

切片传播步骤：不断地将当前矢状面切片两侧的切片加入训练集，并使用当前的二维Mask RCNN分割网络推理得到分割标签。

2.根据权利要求1所述的基于自训练和切片传播的弱监督脊椎椎体分割方法，其特征在于，所述数据预处理与标注步骤中，采用DICOM文件作为输入数据，提取出CT骨窗图像，将其按照层内分辨率与层间厚度重建，得到每个CT骨窗图像的所有矢状面切片；将所有的矢状面切片按照2:1的比例随机分为训练样本和测试样本；对于训练样本，选取正中矢状面切片，并标注出每块脊骨的四个顶点作为弱标签，加入到训练集；对于测试样本，将所有的矢状面切片作为测试集。

3.根据权利要求1所述的基于自训练和切片传播的弱监督脊椎椎体分割方法，其特征在于，所述模型训练步骤中，按照顺时针的方向依次连接每块脊骨的四个顶点标签，得到一个四边形区域作为粗略的分割标签，以此训练一个在开源数据集MSCOCO上预训练好的二维Mask RCNN分割网络。

4.根据权利要求1所述的基于自训练和切片传播的弱监督脊椎椎体分割方法，其特征在于，所述分割结果优化步骤中，利用分割网络检测到的所有脊骨包围框的中心点，通过最小二乘法拟合出一条曲线，将与这条曲线的距离大于某个阈值的包围框视为假阳性的预测，并将其去除，得到粗糙的分割图，然后将粗糙的分割图的对数项看作条件随机场的一元项，将原始图像中关于颜色和位置信息的高斯核作为条件随机场的二元项，得到精细的分割图。

5.根据权利要求1所述的基于自训练和切片传播的弱监督脊椎椎体分割方法，其特征在于，所述自训练步骤中，利用训练好的分割网络，在训练集上进行预测，并以优化后的预测分割结果作为训练数据的新标签，继续训练分割网络，以此迭代直至网络收敛。

6.根据权利要求1所述的基于自训练和切片传播的弱监督脊椎椎体分割方法，其特征在于，所述切片传播步骤中，利用训练好的分割网络，在和训练集切片相邻的切片上进行预测，并以优化后的预测分割结果作为这些切片的标签，将这些切片加入训练集中；将正中矢状面切片记为X_m，下标m是切片层数索引，利用上述自训练模块得到的收敛的分割网络，在相邻矢状面[X_m-1,X_m+1]上进行预测，并以优化后的分割结果作为标签，加入训练集，继续训练同一个分割网络，以此迭代，直到相邻切片中不再包含脊椎椎体为止。