[发明专利]基于肺部支气管树的分段方法及定位病灶的方法

说明书

本发明涉及基于肺部支气管树的分段方法及定位病灶的方法，首先基于肺部CT图像，利用传统算法对支气管树进行解析、定位生成小批量带有肺段支气管标记的支气管树分段数据集，然后，将支气管树分段数据集在nnUnet模型下训练生成支气管树分段模型，在实际应用中/测试数据直接使用/支气管树分段模型/进行推理/生成包含18段肺段支气管的数据，经过计算确定在肺部的具体位置。其采用小批量支气管树分段数据集实现了肺段支气管模型的训练，测试数据只需要通过肺段支气管模型推理就可以生成包含18段肺段支气管的数据，从而实现对病灶的定位，应用该模型不仅可以实现对肺段的定位，而且同时可以确定左右肺及肺叶。

技术领域

本发明涉及与肺部CT相关的图像处理、计算机视觉技术以及深度学习领域，具体涉及一种基于肺部支气管树的分段方法及定位病灶的方法。

背景技术

肺叶和肺段分割技术主要分为传统的图像学算法和深度学习算法。传统的肺叶和肺段分割方法采用的是人工勾画法，为了确保对其结构勾画的准确性，一般由经验成熟的诊疗医生完成。由于丰富经验医生缺乏性、肺部结构复杂性、经验不同勾画的多样性及医生可承受工作的局限性，导致勾画结果具有很大的差异，泛化能力和分割准确度都十分有限，从而影响了对病灶的诊断。随着计算机技术和医疗影像技术的不断成熟，深度学习技术的发展，研究者开始尝试将深度学习技术与医疗影像处理结合使用，借助计算机辅助技术通过提升肺叶和肺段的分割准确率与速度来辅助诊疗医生。然而，深度学习算法需要大量训练数据才可以实现高的准确率和好的泛化能力，大量的数据不仅提升了项目的成本，而且由于标注者经验的不同带来数据差异性。近年来，由于左右肺、斜裂、水平裂等肺部分割数据目标相对较明显，在深度学习算法在此任务上得到广泛应用。而肺段分割数据无明显边界且段较多，完整数据标注成本太高。因此，现有肺段模型大多数通过传统算法实现的。

现有的肺段分割技术基于肺叶的分割模型，其中一种实现方式是先检测肺叶的关键点位置，基于关键点位置将肺部病灶的坐标映射到预先制作的肺部三维模型中，进而确定病灶属于肺部的某个叶、段。另一种是刘波等人提出的一种肺叶肺段分割模型训练方法和装置。通过获取肺区域标记、肺叶区域标记和肺段区域标记的样本影像数据；将数据输入实例分割模型以获取肺叶轮廓分割结果和肺段轮廓分割结果；利用肺叶、肺段轮廓分割结果与肺叶、肺段区域标记的差别计算损失函数值；利用损失函数值调整实例分割模型的网络参数。

第一种方法的缺点是未充分考虑不同病人之间的肺部结构差异，通过关键点将病灶映射到预先制作的模型中，不能针对具体的病人在其原始图像上将结果直观地显示出来，针对不同的病人医生对病灶的具体位置出现偏差，泛化能力和分割准确度都十分有限。第二中方法利用深度学习的方法实现了肺叶、肺段的分割，通过医生标记肺叶、肺段的少量数据进行训练，不断反复迭代医生在所述样本影像数据的预设层面以任意闭合形状标记的肺段区修正标记等方式来满足实际的需要，这种方式也未能摆脱对训练数据的人工标注的方式。

发明内容

为了解决上述问题，本发明提供了一种无需人工标注，生成数据量少，通过推理、解析和定位，基于肺部支气管树的分段方法及定位病灶的方法。

为了达到上述目的，本发明设计的基于肺部支气管树的分段方法，在获取肺部CT图像后，通过计算实现对支气管分叉点的标记，根据树的原理将标记好的支气管构建多叉树；然后通过以下步骤对多叉树进行肺段定位：

a)首先确定肺部气管，即多叉树的根节点是气管，部分图像由于气管形状弯曲，导致气管被分为多段的情况，此时通过分叉点判定合并为一段；

b)由气管的子节点找一级支气管，即左、右主支气管，确定左、右肺；

c)由左、右主支气管的子节点确定出左肺上叶、左肺下叶、右肺上叶及对应右肺向下分支，由右肺向下分支的子节点可以确定右肺中叶、右肺下叶；

d)由左肺上叶的子节点确定上支、舌段支气管，进而通过条件判断确定左肺上叶尖后段支气管、左肺上叶前段支气管、左肺上叶上舌段支气管、左肺上叶下舌段支气管；