[发明专利]基于层级监督级联金字塔网络的胰腺分割方法及装置

说明书

本发明属于医学影像处理领域，公开了一种基于层级监督级联金字塔网络的胰腺分割方法及装置。本发明利用了CT影像特点，设计了具有层级监督的金字塔网络和细粒度的精修网络，其中，具有层级监督的金字塔网络通过提取丰富的金字塔语义特征和引入层级监督，有效解决了胰腺器官分割效果不佳的问题；细粒度的精修网络完成金字塔语义特征的融合，在金字塔网络的基础上实现对胰腺器官分割结果的修正；最后通过引入中继监督实现两个网络的协同训练，从而有效提高胰腺器官分割效果。

技术领域

本发明属于医学影像处理领域，具体涉及一种基于层级监督级联金字塔网络的胰腺分割方法及装置。

背景技术

通过计算机断层扫描(Computed Tomography,CT)技术，可以获取大量多视角、多方位的腹部CT影像。借助计算机视觉技术、人工智能技术等从腹部CT影像中实现精准的胰腺器官分割是计算机辅助系统进行疾病诊断、医学影像分析、肿瘤消融手术规划的前提和关键步骤。

基于深度学习方法，现有的利用深度卷积神经网络完成腹部CT影像器官分割的方法主要包括：

(1)Zhou等人在2017年提出的应用于胰腺器官分割的两阶段定点模型算法，从冠状位，矢状位和轴状位完成初步分割，然后通过投票原则完成最终的胰腺器官分割。

(2)Liu等人在2018年使用边界框处理输入CT数据，然后通过使用未进行预训练的U-Net模型完成胰腺器官分割。

(3)Yu等人在Zhou等人实现胰腺分割研究的基础上，在2018年解决了在胰腺分割过程中由于使用多阶段模型训练而引起的不一致性问题，并有效提升了胰腺器官分割效果。

(4)Zhao等人在2019年提出了两阶段的3D卷积神经网络实现胰腺分割。首先通过下采样数据训练网络减小资源消耗，然后结合两种上采样方式和投票原则，完成胰腺器官分割。

虽然目前使用深度卷积神经网络有效提升了胰腺器官的分割效果，但相比于其他腹部器官分割效果，胰腺器官分割效果仍然具有较大的提升空间。现有的利用深度卷积神经网络完成胰腺器官的分割方法主要存在以下不足：

(1)由于不同病人胰腺器官的形状，大小和位置的多变性以及相邻器官间模糊的边界和高灰度相似性等特点，为其分割带来一定的挑战，因此目前胰腺器官分割效果仍然比较有限。

(2)以上研究工作并没有充分考虑到胰腺器官边界比较曲折并且在CT影像中占据比较小的像素单位的特点而实现胰腺器官分割。

发明内容

本发明的目的在于提供一种胰腺器官分割模型建立、分割的方法及装置，用以解决现有技术中的胰腺器官在整张CT影像切片中占据较小像素区域，导致网络难以训练并难以提取丰富胰腺特征，以及胰腺器官边界比较曲折，导致胰腺器官中较难分割的边界无法得到精准分割的问题。

为了实现上述任务，本发明采用以下技术方案：

基于层级监督级联金字塔网络的胰腺分割方法，包括如下步骤：

步骤a：获取待分割的CT影像图片；

步骤b：将待分割的CT影像图片输入胰腺器官分割模型建立方法得到的胰腺器官分割模型，获得胰腺器官分割概率图；

步骤c：获取胰腺器官分割概率图的前景图作为胰腺器官分割结果；

所述的胰腺器官分割模型建立方法，包括如下步骤：

步骤1：获取CT影像数据集并进行预处理，对CT影像数据集中每一张CT影像种的胰腺器官进行标注，将标注的胰腺器官作为标签，将标注完的CT影像数据集作为带标签的训练集；