[发明专利]基于三维卷积神经网络胎儿颅脑超声结构分割方法及装置

说明书

本发明公开了一种基于三维卷积神经网络胎儿颅脑超声结构分割方法及装置，该方法包括：获取胎儿颅脑超声结构的原始容积数据；将胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析，并获取三维卷积神经网络分割模型输出的分析结果，作为胎儿颅脑超声结构的分割结果。可见，实施本发明能够利用三维卷积神经网络分割模型实现对胎儿颅脑超声结构的自动分割，有利于提高胎儿颅脑超声结构分割的准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于三维卷积神经网络胎儿颅脑超声结构分割方法及装置。

背景技术

在实际生活中，利用医学影像展示胎儿颅脑超声结构时，个体之间的差异、个体的移动、不同软组织之间较高的相似度和生理状态的变化等因素都会导致医学影像展示的形状外观与实际的形状外观存在较大的差异，因此，胎儿颅脑超声结构医学影像分析的临床应用面临着很大的挑战。为了减少医学影像展示的形状外观与实际的形状外观之间的差异，得到更加准确的医学影像，需要对医学影像中的胎儿颅脑超声结构进行分割。

目前，胎儿颅脑超声结构的分割主要采用人工分割的方式，即通过借助软件手工逐一勾勒出每一张胎儿颅脑超声结构扫描切片中的分割对象边缘，得到每一张胎儿颅脑超声结构扫描切片的分割结果，再将所有胎儿颅脑超声结构扫描切片的分割结果合成整个胎儿颅脑超声结构的分割结果。然而，实践发现，由于受到操作者的工作经验、专业水平和工作状态等主观因素的影响较大，人工分割的准确率往往比较低。可见，如何提高胎儿颅脑超声结构分割的准确率显得尤为重要。

发明内容

本发明所要解决的技术问题在于，提供一种基于三维卷积神经网络胎儿颅脑超声结构分割方法及装置，能够实现对胎儿颅脑超声结构的自动识别和有效分割，有利于提高胎儿颅脑超声结构分割的准确率。

为了解决上述技术问题，本发明第一方面公开了一种基于三维卷积神经网络胎儿颅脑超声结构分割方法，所述方法包括：

获取胎儿颅脑超声结构的原始容积数据；

将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析，并获取所述三维卷积神经网络分割模型输出的分析结果，作为所述胎儿颅脑超声结构的分割结果。

作为一种可选的实施方式，在本发明第一方面中，在所述将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析之前，所述方法还包括：

检测所述胎儿颅脑超声结构的原始容积数据中是否存在敏感信息，其中，所述敏感信息包括所述胎儿颅脑超声结构对应个体的隐私信息，所述个体的隐私信息包括所述个体的姓名、性别、年龄、出生日期、联系方式中的一个或多个；

当检测到所述胎儿颅脑超声结构的原始容积数据中存在所述敏感信息时，去除所述敏感信息，并将去除所述敏感信息后的原始容积数据更新为所述胎儿颅脑超声结构的原始容积数据，以及触发执行所述的将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析的操作；

以及，所述方法还包括：

当检测到所述胎儿颅脑超声结构的原始容积数据中不存在所述敏感信息时，触发执行所述的将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析的操作。

作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：

采集非胎儿颅脑超声结构对应的第一样本数据集和样本胎儿颅脑超声结构对应的第二样本数据集，其中，所述第一样本数据集和所述第二样本数据集均至少包括一个样本数据对，每个所述样本数据对均包括一个样本原始容积数据和该样本原始容积数据经过分割后得到的样本标记容积数据；

搭建原始三维卷积神经网络分割模型，基于所述第一样本数据集训练所述原始三维卷积神经网络分割模型，并将训练后的所述原始三维卷积神经网络分割模型确定为第一训练分割模型；