[发明专利]一种多相位4D CT图像分割方法及系统

说明书

本发明涉及一种多相位4D CT图像分割方法及系统，其包括：获取患者的4D CT图像数据，构建时序信息提取模块，搭建神经网络模型；将患者的4D CT图像数据划分为训练集和测试集，将获取的数据标注，并进行数据预处理及数据增强后输入所述神经网络模型，进行神经网络训练；将训练好的神经网络模型对测试集中的每个4D CT图像进行预测，输出概率图，得到分割结果。本发明既能提取不同呼吸时相之间的时序特征，又提取了每个呼吸时相的高级语义特征。本发明可以广泛在医学图像分割技术领域中应用。

技术领域

本发明涉及一种医学图像分割技术领域，特别是关于一种多相位4D CT图像分割方法及系统。

背景技术

医学图像分割是放射治疗计划制定的关键步骤，直接影响放射治疗的疗效，准确而快速的分割对临床实践至关重要。目前，基于深度学习(deep learning，DL)的人工智能(artificial intelligence，AI)技术开始应用于医学图像分割领域。

研究证明，胸腹部肿瘤靶区受呼吸运动影响严重。对于胸腹部肿瘤的分割，常规的三维(three dimensional，3D)电子计算机断层成像(computed tomography，CT)图像在短时间内进行成像，只能显示呼吸周期中某一时刻肿瘤的运动，并且存在严重的伪影，使用其进行肿瘤靶区勾画误差较大。而四维(four dimensional)CT则包含了完整呼吸周期的3DCT图像，可以精确捕捉肿瘤靶区在每个呼吸时相的动态运动轨迹，提供更多的信息从而准确定位肿瘤靶区。

目前的神经网络对多时相4D CT图像进行处理时，采用的都是类似于处理RGB图像的方法，即首先将所有时相图像堆叠在一起，然后输入到神经网络中提取特征。上述处理方法既未考虑不同呼吸时相3D CT图像之间的时间依赖关系，同时忽略了不同呼吸时相图像的高级语义特征，这些关系和特征对于呼吸运动情况下肿瘤靶区的分割至关重要。

发明内容

针对上述神经网络处理4D CT图像时的缺陷，本发明的目的是提供一种多相位4DCT图像分割方法及系统，既能提取不同呼吸时相之间的时序特征，又提取了每个呼吸时相的高级语义特征。

为实现上述目的，本发明采取以下技术方案：一种多相位4D CT图像分割方法，其包括：获取患者的4D CT图像数据，构建时序信息提取模块，搭建神经网络模型；将患者的4DCT图像数据划分为训练集和测试集，将获取的数据标注，并进行数据预处理及数据增强后输入所述神经网络模型，进行神经网络训练；将训练好的神经网络模型对测试集中的每个4D CT图像进行预测，输出概率图，得到分割结果。

进一步，还包括对所述分割结果处理，包括：对所述神经网络模型输出的所述概率图进行阈值化和开运算处理后，进行连通区域分析，降低假阳性率。

进一步，所述构建时序信息提取模块，包括：基于卷积GRU模块提取4D CT图像数据中不同呼吸时相之间的时间特征；

所述卷积GRU模块的输出结果包含了相邻时刻的输入图像数据之间的时间依赖关系。

进一步，所述搭建神经网络模型，包括：

采用3D UNet神经网络提取4D CT图像数据中不同呼吸时相图像的空间特征；

将所述时序信息提取模块融合到所述3D UNet神经网络中，使用卷积GRU模块提取不同输入之间的时间相关性，使用所述3D UNet神经网络提取每个输入的空间相关性；

根据卷积GRU模块在所述3D UNet神经网络中位置的不同，分别形成中期融合网络和晚期融合网络；

在所述3D UNet神经网络的编码器和解码器中间添加卷积GRU模块形成所述中期融合网络，在所述解码器后面添加卷积GRU模块则形成所述晚期融合网络。

进一步，所述中期融合网络包括：