[发明专利]一种基于CT图像的肝脏血管分割方法

说明书

本发明公开了一种基于CT图像的肝脏血管分割方法，首先获取原始3D肝脏图像并进行预处理，得到训练集；然后利用预处理得到的训练集训练3D卷积神经网络，其中采用的3D卷积神经网络采用Unet网络结构，编码器设置有侧输出层对卷积网络体系体系结构进行深度监管，输出端设置两个并行分支，上路分支用于提取肝静脉和门静脉区别于背景的特征，下路分支用于提取区分肝静脉和门静脉的特征，最终利用训练完成的3D卷积神经网络处理3D肝脏图像，得到肝脏血管分割结果。该方法从编码器部分添加侧输出层帮助底层特征提取更多语义信息，同时在输出端设置两个并行分支，提高了肝脏图像内肝静脉和门静脉的分割效果。

技术领域

本发明属于医学图像处理领域，具体涉及一种基于CT图像的肝脏血管分割方法。

背景技术

肝脏血管分割和三维重建有助于准确获取腹部肝脏血管组织的整体信息，是计算机辅助肝脏疾病诊断和肝脏手术规划的前提，对于肝病诊断及肝病手术的指导具有非常重要的意义。CT(计算机断层扫描)技术是最常用的肝脏及血管影响诊断技术之一。通过CT，医生可以获得一系列血管增强的二维CT切片，然而腹部CT图像往往存在低对比度、高信噪比、边界模糊、肝脏与其他灰度相近组织粘连等不利因素，由于肝脏血管结构复杂、血管之间相互缠绕、不同个体差异较大，肝脏血管分割面临巨大挑战。

现有三维肝脏血管分割方法一般可以分为基于灰度和梯度两大类，但单一的基于灰度或梯度的分割方法，如三维区域生长、模糊聚类等，都无法有效地提取低对比度的肝静脉与门静脉；在现有肝脏血管分割模型如主动轮廓模型及其混合模型容易越过血管的弱边界而导致严重的过分割，且需要提供血管的初始区域，并且难以处理小血管的分割。

发明内容

为了解决现有技术的上述问题，本发明提供一种CT图像中肝脏血管分割方法，能够对3D肝脏图像进行肝脏中肝静脉与门静脉的图像分割，并提高了血管分割的效果，本发明的技术方案如下：

一种基于CT图像的肝脏血管分割方法，所述的方法包括：

S1、获取原始3D肝脏图像并进行预处理，得到训练集；所述的预处理包括原始3D肝脏图像进行窗宽窗位调节，并通过照明校正提高血管的对比度，平滑CT图像噪声；

S2、利用预处理得到的训练集训练3D卷积神经网络；

所述的3D卷积神经网络采用Unet网络结构，卷积神经网络中的编码器由两个卷积层组成，卷积层的过滤器大小都是3×3×3，下采样阶段中每层编码器设置有对应的侧输出层，所述的卷积神经网络的输出端设置有多询问输出层，多询问输出层内采用的激活函数具体为：

σ表示激活因子，e表示自然底数，x表示当前输入，x∈(0,1)，m(x)表示激活函数输出；

所述的卷积神经网络通过：

确定所述训练集的损失值，当得到的损失值未达到设定的训练收敛条件，更新3D卷积神经网络的网络参数，并进行下一次迭代；当得到的损失值达到设定的训练条件，得到训练完成的3D卷积神经网络；其中，BCE表示损失函数Y表示输出变量，output表示多询问输出层输出，side表示侧输出层输出，GT表示基准值，θ表示网络参数，||||₂为二范数，i表示第i个侧输出层，c表示第c层输出，μ_c表示权类比重；

S3、利用训练完成的3D卷积神经网络处理3D肝脏图像，得到肝脏血管分割结果。

进一步地，所述的激活因子σ设置为1，激活函数的范围在之间。

进一步地，所述的权类比重μ_c具体为血管、肝静脉和门静脉之间比重为3：2：2。

本发明的有益效果在于：