CN110428431B - 一种心脏医学图像的分割方法、装置、设备及存储介质 - Google Patents
一种心脏医学图像的分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110428431B CN110428431B CN201910631770.9A CN201910631770A CN110428431B CN 110428431 B CN110428431 B CN 110428431B CN 201910631770 A CN201910631770 A CN 201910631770A CN 110428431 B CN110428431 B CN 110428431B
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation
- blood vessel
- heart
- segmented
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种心脏医学图像的分割方法、装置、设备及存储介质,首先获取待分割3D心脏医学图像,通过3D U‑net神经网络进行房室及心肌分割,获得初步心脏分割图像;通过2D U‑net神经网络进行血池分割获得血池分割图像;去除血池分割图像中属于房室部分的图像,获得血管图像,根据血管图像对初步心脏分割图像进行优化,获得待分割3D心脏医学图像的心脏分割图像;提取血管图像中血管骨干线,获得待匹配血管骨干线图,继而与预存血管骨干线图进行匹配,根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。通过实施本发明能对心脏结构有缺失的心脏医学图像进行分割且能保留更多血管的边界形状变化信息。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种心脏医学图像的分割方法、装置、设备及存储介质。
背景技术
心脏是人体中最重要的器官之一,心脏疾病会严重影响患者的日常生活,甚至随时可能夺走人类的生命。在医疗中,医生需要凭借心脏部位的医学图像对病人的心脏结构进行分析,判断患者的患病类型,例如对先天性心脏病的分型。因此对心脏医学图像进行精确分割尤为重要,精确分割心脏医学图像能为医生提供高质量的心脏结构信息,有助于医生快速诊断出患者所患心脏病的类型。
现有技术中对心脏医学图像的处理均基于深度学习中的全卷积神经网络的方案,采用上述方法对心脏医学图像进行分割时,对图像中像素点的分割是基于其相邻一定范围内的其他像素点的分布情况,对于先天性心脏病中结构上有缺失的类型,如肺动脉闭锁和共同动脉干这两种先天性心脏病中存在肺动脉主干缺失的情况,采用现有的方法无法针对这一类型心脏医学图像进行正确分割;此外,现有的方法主要是在低分辨率的图像上进行处理,心脏医学图像中的部分血管信息将会丢失,无法保留这些血管的大量的边界形状变化。
发明内容
本发明实施例提供一种心脏医学图像的分割方法、装置、设备及存储介质,能够实现对心脏结构有缺失的心脏医学图像进行正确的分割,且能保留心脏医学图像中更多血管的边界形状变化信息。
本发明一实施例提供一种一种心脏医学图像的分割方法,包括:
获取待分割3D心脏医学图像;
通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像;
通过2D U-net神经网络对所述待分割3D心脏医学图像进行血池分割,获得血池分割图像;
去除所述血池分割图像中属于房室部分的图像,获得血管图像;
根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,并将所述已优化心脏分割图像作为所述待分割3D心脏医学图像的心脏分割图像;
提取所述血管图像中血管骨干线,获得待匹配血管骨干线图;
将所述待匹配血管骨干线图,与预设血管图库中的预存血管骨干线图进行匹配,并根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。
进一步的,所述通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像,具体为:
对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;
通过3D U-net神经网络对所述待处理区域图像进行房室和心肌分割,获得所述初步心脏分割图像。
进一步的,所述通过2D U-net神经网络对所述待分割3D心脏医学图像进行血池分割,获得血池分割图像,具体为:
对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;
将所述待处理区域图像进行切片处理,获得若干2D切片图像;
通过2D U-net神经网络对所有所述2D切片图像进行血池分割,获得血池分割图像;其中,在通过2D U-net神经网络对所有所述2D切片图像进行血池分割时,通过设置血池边界类进行血池的边界信息进行检测。
进一步的,根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,具体为:
将所述血管图像拟合到所述初步心脏分割图像中,获得所述已优化心脏分割图像。
在上述方法项实施例的基础上,本发明对应提供了装置项实施例;
本发明一实施例提供了一种心脏医学图像的分割装置,包括:心脏医学图像获取模块、房室及心肌分割模块、血池分割模块、血管图像获取模块、图像优化模块、血管骨干线提取模块、血管分割图像获取模块;
所述心脏医学图像获取模块,用于获取待分割3D心脏医学图像;
所述房室及心肌分割模块,用于通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像;
所述血池分割模块,用于通过2D U-net神经网络对所述待分割3D心脏医学图像进行血池分割,获得血池分割图像;
所述血管图像获取模块,用于去除所述血池分割图像中属于房室部分的图像,获得血管图像;
所述图像优化模块,用于根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,并将所述已优化心脏分割图像作为所述待分割3D心脏医学图像的心脏分割图像;
所述血管骨干线提取模块,用于提取所述血管图像中血管骨干线,获得待匹配血管骨干线图;
所述血管分割图像获取模块,用于将所述待匹配血管骨干线图,与预设血管图库中的预存血管骨干线图进行匹配,并根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。
在上述方法项实施例的基础上,本发明提供了另一实施例;
本发明另一实施例提供了一种设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如本发明任意一项方法项实施例所述的心脏医学图像的分割方法。
在上述方法项实施例的基础上,本发明提供了另一实施例:
本发明另一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如本发明任意一项方法项实施例所述的心脏医学图像的分割方法。
通过实施本发明的实施例具有如下有益效果:
本发明实施例提供了一种心脏医学图像的分割方法、装置、设备及存储介质,所述方法,首先通过3D U-net神经网络将待分割3D心脏医学图像中,心脏的房室和心肌进行初步的分割,获得了上述初步心脏分割图像;此时的初步心脏分割图像的分辨率较低,还部分血管信息会丢失。因此需要对初步心脏分割图像进行优化,具体优化方式为,通过2D U-net神经网络对所述待分割3D心脏医学图像进行血池分割获得血池分割图像,然后去除血池分割图像中的房室部分的图像,获得血管图像。此时的血管图像就包含了心脏部位的周边血管的信息;最后根据得到的血管图像对初步心脏分割图像进行优化,即可获得已优化的心脏分割图像;已优化心脏分割图像即能够显示出房室和心肌的信息,又能够显示心脏周边的血管信息;其次本发明从血管图像中提取出血管骨干线,即上述的待匹配血管骨干线图,然后在预设的图库中查找出与带匹配血管骨干线图相匹配的预存血管骨干线图;由于在预存血管骨干线图中已经将主动脉和肺动脉进行了区分,根据最后的匹配结果,就可以对待分割3D心脏医学图像的血管分割图像中的肺动脉和主动脉进行分割,这样就无论待分割3D心脏医学图像中的心脏结构是否出现缺失,都能够对其血管进行分割;从而实现了对待分割3D心脏医学图像的一个完整的分割。
附图说明
图1是本发明一实施例提供的一种心脏医学图像的分割方法的流程示意图。
图2是本发明一实施例提供的初步心脏分割图像的优化原理示意图。
图3是本发明一实施例中血管骨干线的提取过程的原理示意图。
图4是本发明一实施例中待匹配血管骨干线图。
图5是本发明一实施例中预设图库中的预存血管骨干线图示意图。
图6是实施本发明实施例后的得到的效果示意图、采用现有技术获得的效果示意图、人工标记的效果示意图。
图7是本发明另一实施例提供的一种心脏医学图像的分割装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明一实施例提供的一种心脏医学图像的分割方法的流程示意图;
本发明实施例提供的一种心脏医学图像的分割方法,包括以下步骤:
步骤S101、获取待分割3D心脏医学图像;
步骤S102、通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像。
步骤S103、通过2D U-net神经网络对所述待分割3D心脏医学图像进行血池分割,获得血池分割图像。
步骤S104、去除所述血池分割图像中属于房室部分的图像,获得血管图像;
步骤S105、根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,并将所述已优化心脏分割图像作为所述待分割3D心脏医学图像的心脏分割图像。
步骤S106、提取所述血管图像中血管骨干线,获得待匹配血管骨干线图
步骤S107、将所述待匹配血管骨干线图,与预设血管图库中的预存血管骨干线图进行匹配,并根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。
需要说明的是上述各个步骤的标号仅仅是示意性的,并不表示上述各个步骤的是一定按上述标号的先后顺序执行。
对于步骤S101、首先获取心脏部位的3D影像,获得上述待分割3D心脏医学图像;
对于步骤S102、在一个优选的实施例中,通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像,具体为:
对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;
通过3D U-net神经网络对所述待处理区域图像进行房室和心肌分割,获得所述初步心脏分割图像。
具体的,为了减少后续的数据处理量,在进行房室和心肌分割之前,可以通过3DU-net神经网络先对待分割3D心脏医学图像进行一个区域提取,对待分割3D心脏医学图像的心脏部位进行提取,得到上述待处理区域图像;此时心脏及周边血管的区域都会被提取出来,作为待处理区域图像;
在提取待处理图像之后,将待处理区域图像的尺寸变换为64*64*64,然后对待处理图像进行房室及心肌分割,获得上述初步心脏分割图像。通过这一步骤可以得到心脏中四个房室和心肌的分割的初步分割,但是由于分辨率较低在这一步骤中大量较细的血管信息将会丢失,无法这些血管的大量的边界形状变化。
对于步骤S103、在一个优选的实施例中,具体为:
对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;
将所述待处理区域图像进行切片处理,获得若干2D切片图像;
通过2D U-net神经网络对所有所述2D切片图像进行血池分割,获得血池分割图像;其中,在通过2D U-net神经网络对所有所述2D切片图像进行血池分割时,通过设置血池边界类进行血池的边界信息进行检测。
具体的,同样也是为了减少后续数据处理量,在进行血池分割之前也通过3D U-net神经网络对待分割3D心脏医学图像进行一个区域提取;
然后将待处理区域进行切片处理,获得若干个512*512的2D切片图像,然后将2D切片图像作为输入,用2D U-net神经网络对所有的2D切片图像进行血池分割,获得了血池分割图像;这个血池分割图像包括了心脏房室和心脏周边血管的血池图像;
而为了方便后续的图像处理,在进行血池分割的时候加入了血池边界类来更好的检测边界信息。
对于步骤S104、进一步的,剔除血池分割图像中属于房室部分的图像,剩下的就是心脏周边的血管的血池图像,即上述的血管图像。
对于步骤S105、由于2D和3D U-net神经网络的分割特点,血池分割(2D U-net)分辨率高(512*512),但是只能分割血池及其边界;而房室和心肌分割(3D U-net)能够得到四个房室腔和心肌共五类,但是由于GPU计算内存有限,其对应3D分割的分辨率较低(64*64*64)。为了提高房室和心肌分割的结果,可利用已有的高分辨率的血池分割结果进行优化。这样可以使四个房室和心肌周边的较细的血管能够更好的保留;
在一个优选的实施例中,所述根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,具体为:将所述血管图像拟合到所述初步心脏分割图像中,获得所述已优化心脏分割图像。
在实际情况中以血池分割图像中的其中一张切片图进行说明:如图2所示,图2中的图(a)是一张血池分割图像的其中一张切片的示意图,图(b)是房室分割的其中一张切片的示意图;此时将图(a)和(b)进行比对,把血池分割图像中属于房室部分的图像剔除,得到剩余的血池图像图(c),剩余的血池图像就是心脏周边血管的血池图像其中的一个切片,即上述的血管图像其中的一个切片;紧接着将剩余的血池部分添加到其临近的房室内,即将血管图像拟合到初步心脏分割图像中,最后得到上述已优化的心脏分割图像的其中一张切片如图(d),从而将保留心脏周边的血管信息,体现出心脏周边血管的边界形状变化。
对于步骤S106、在去除血池分割图像中其对应的房室的血池部分后,剩余的主要是大血管部分如图3中图(a)的示意图(此处以一个完整的3D图像进行说明);
此时在提取待匹配骨干线前,为了减少大血管间比较细小的连接,在一个优选的实施例中,对大血管进行平滑处理,获得平滑处理后的大血管的示意图如3中的图(b)所示;在进行平滑处理之后如图3中的图(c)所示,提取出对应的待匹配血管骨干线,获得待匹配血管骨干线图如图4所示,图4所示的待匹配血管骨干线图与图3中的图(c)对应;图中A0为主动脉,PA为肺动脉;
对于步骤S107、具体的提取出来的待匹配管骨干线图再与预设的血管图库中的预存血管骨干线图(如图5所示,预设图库中存储了各类预存血管骨干线图)进行匹配,找到对应的预存血管骨干线图,由于在预存图库中,对于不同,对于不同血管骨干线图对应的类型预先已经分类好了,因此根据匹配的结果,就能实现对血管图像中肺动脉和主动脉的分割,并确定血管图像中血管所属类型;
在一个优先的实施例中,为了在血管分割图像中,保留一些血管的细节,在实现血管图像中的血管的分类后,将平滑过程中去掉的血管部分通过一个区域增长的技术添加到已分类的血管中,最终得到上述待分割3D心脏医学图像的血管分割图像。
如图6所示、人工标记的效果示意图(a)、实施本发明实施例后的效果示意图(b)采用现有技术获得的效果示意图(a);
可以看出通过实施本发明的实施例一方面能够有效的对主动脉的肺动脉进行分割而现有方法由于肺动脉主干缺失无法正确的分割;另一方面能够有效的处理更多的血管边界形状变化,如上腔静脉血管以及肺动脉血管树部分的大量细小血管能够正确分割(如图6(b)的画圈的部位)、清晰获取;而现有方法存在明显缺失,无法获取这些大量的形状变化。
在本发明上述方法项实施例的基础上对应提供了装置项实施例,本发明另一实施例提供了一种心脏医学图像的分割装置,包括心脏医学图像获取模块、房室及心肌分割模块、血池分割模块、血管图像获取模块、图像优化模块、血管骨干线提取模块、血管分割图像获取模块;
所述心脏医学图像获取模块,用于获取待分割3D心脏医学图像;
所述房室及心肌分割模块,用于通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像;
所述血池分割模块,用于通过2D U-net神经网络对所述待分割3D心脏医学图像进行血池分割,获得血池分割图像;
所述血管图像获取模块,用于去除所述血池分割图像中属于房室部分的图像,获得血管图像;
所述图像优化模块,用于根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,并将所述已优化心脏分割图像作为所述待分割3D心脏医学图像的心脏分割图像;
所述血管骨干线提取模块,用于提取所述血管图像中血管骨干线,获得待匹配血管骨干线图;
所述血管分割图像获取模块,用于将所述待匹配血管骨干线图,与预设血管图库中的预存血管骨干线图进行匹配,并根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。
可以理解的是,上述装置项实施例是与本发明方法项实施例相对应的,其可以实现本发明上述任意一项方法项实施例提供的心脏医学图像的分割方法。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元/模块可以是或者也可以不是物理上分开的,作为单元/模块显示的部件可以是或者也可以不是物理单元/模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。所述示意图仅仅是装置的示例,并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,
本发明上述方法项实施例的基础上对应提供了设备项实施例,本发明另一实施例提供了一种设备;
包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现本发明上述任意一项方法项实施例提供的心脏医学图像的分割方法。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,例如所述设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述设备的控制中心,利用各种接口和线路连接整个设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在本发明上述方法项实施例的基础上还提供了另一实施例,本发明另一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行本发明上述任意一项所述的心脏医学图像的分割方法。
其中,所述存储介质为计算机可读存储介质,所述设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
通过实施本发明的实施例具有如下有益效果:
(1)能够对心脏结构有缺失的心脏医学图像进行正确的分割;
(2)能保留心脏医学图像中更多血管的边界形状变化信息;
(3)能够对心脏医学图像中的大血管进行分类。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (5)
1.一种心脏医学图像的分割方法,其特征在于,包括:
获取待分割3D心脏医学图像;
通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像;
对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;将所述待处理区域图像进行切片处理,获得若干2D切片图像;通过2D U-net神经网络对所有所述2D切片图像进行血池分割,获得血池分割图像;其中,在通过2D U-net神经网络对所有所述2D切片图像进行血池分割时,通过设置血池边界类进行血池的边界信息检测;
去除所述血池分割图像中属于房室部分的图像,获得血管图像;
根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,并将所述已优化心脏分割图像作为所述待分割3D心脏医学图像的心脏分割图像;其中,所述根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,具体为:将所述血管图像拟合到所述初步心脏分割图像中,获得所述已优化心脏分割图像;提取所述血管图像中血管骨干线,获得待匹配血管骨干线图;
将所述待匹配血管骨干线图,与预设血管图库中的预存血管骨干线图进行匹配,并根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。
2.如权利要求1所述的心脏医学图像的分割方法,其特征在于,所述通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像,具体为:
对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;
通过3D U-net神经网络对所述待处理区域图像进行房室和心肌分割,获得所述初步心脏分割图像。
3.一种心脏医学图像的分割装置,其特征在于 ,包括:心脏医学图像获取模块、房室及心肌分割模块、血池分割模块、血管图像获取模块、图像优化模块、血管骨干线提取模块、血管分割图像获取模块;
所述心脏医学图像获取模块,用于获取待分割3D心脏医学图像;
所述房室及心肌分割模块,用于通过3D U-net神经网络对所述待分割3D心脏医学图像进行房室及心肌分割,获得初步心脏分割图像;
所述血池分割模块,用于对所述待分割3D心脏医学图像进行区域提取,获得待处理区域图像;其中,所述待处理区域图像为心脏部位的图像;将所述待处理区域图像进行切片处理,获得若干2D切片图像;通过2D U-net神经网络对所有所述2D切片图像进行血池分割,获得血池分割图像;其中,在通过2D U-net神经网络对所有所述2D切片图像进行血池分割时,通过设置血池边界类进行血池的边界信息检测;
所述血管图像获取模块,用于去除所述血池分割图像中属于房室部分的图像,获得血管图像;
所述图像优化模块,用于根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,并将所述已优化心脏分割图像作为所述待分割3D心脏医学图像的心脏分割图像;其中,所述根据所述血管图像对所述初步心脏分割图像进行优化,获得已优化心脏分割图像,具体为:将所述血管图像拟合到所述初步心脏分割图像中,获得所述已优化心脏分割图像;
所述血管骨干线提取模块,用于提取所述血管图像中血管骨干线,获得待匹配血管骨干线图;
所述血管分割图像获取模块,用于将所述待匹配血管骨干线图,与预设血管图库中的预存血管骨干线图进行匹配,并根据匹配结果将所述血管图像中的肺动脉及主动脉进行分割,获得所述待分割3D心脏医学图像的血管分割图像。
4.一种设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至2中任意一项所述的心脏医学图像的分割方法。
5.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至2中任意一项所述的心脏医学图像的分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910631770.9A CN110428431B (zh) | 2019-07-12 | 2019-07-12 | 一种心脏医学图像的分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910631770.9A CN110428431B (zh) | 2019-07-12 | 2019-07-12 | 一种心脏医学图像的分割方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110428431A CN110428431A (zh) | 2019-11-08 |
CN110428431B true CN110428431B (zh) | 2022-12-16 |
Family
ID=68409411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910631770.9A Active CN110428431B (zh) | 2019-07-12 | 2019-07-12 | 一种心脏医学图像的分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428431B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242956A (zh) * | 2020-01-09 | 2020-06-05 | 西北工业大学 | 基于U-Net超声胎心和胎肺深度学习联合分割方法 |
CN113628230A (zh) * | 2021-08-10 | 2021-11-09 | 上海慧虎信息科技有限公司 | 心脏核磁共振图像中心室心肌分割模型训练方法、分割方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563983A (zh) * | 2017-09-28 | 2018-01-09 | 上海联影医疗科技有限公司 | 图像处理方法以及医学成像设备 |
CN108010041A (zh) * | 2017-12-22 | 2018-05-08 | 数坤(北京)网络科技有限公司 | 基于深度学习神经网络级联模型的人体心脏冠脉提取方法 |
CN109584223A (zh) * | 2018-11-20 | 2019-04-05 | 北京中科研究院 | Ct图像中肺部血管分割方法 |
CN109801294A (zh) * | 2018-12-14 | 2019-05-24 | 深圳先进技术研究院 | 三维左心房分割方法、装置、终端设备及存储介质 |
CN109886973A (zh) * | 2019-01-25 | 2019-06-14 | 杭州晟视科技有限公司 | 一种血管提取方法、装置及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890823B (zh) * | 2011-07-19 | 2016-04-27 | 株式会社东芝 | 运动对象轮廓提取及左心室图像分割方法和装置 |
US9147258B2 (en) * | 2013-02-19 | 2015-09-29 | General Electric Company | Methods and systems for segmentation in echocardiography |
-
2019
- 2019-07-12 CN CN201910631770.9A patent/CN110428431B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563983A (zh) * | 2017-09-28 | 2018-01-09 | 上海联影医疗科技有限公司 | 图像处理方法以及医学成像设备 |
CN108010041A (zh) * | 2017-12-22 | 2018-05-08 | 数坤(北京)网络科技有限公司 | 基于深度学习神经网络级联模型的人体心脏冠脉提取方法 |
CN109584223A (zh) * | 2018-11-20 | 2019-04-05 | 北京中科研究院 | Ct图像中肺部血管分割方法 |
CN109801294A (zh) * | 2018-12-14 | 2019-05-24 | 深圳先进技术研究院 | 三维左心房分割方法、装置、终端设备及存储介质 |
CN109886973A (zh) * | 2019-01-25 | 2019-06-14 | 杭州晟视科技有限公司 | 一种血管提取方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110428431A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198184B (zh) | 造影图像中血管分割的方法和系统 | |
CN106682636B (zh) | 血管提取方法及其系统 | |
US8761475B2 (en) | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans | |
CN107845098A (zh) | 基于随机森林和模糊聚类的肝癌图像全自动分割方法 | |
CN111882566B (zh) | 视网膜图像的血管分割方法、装置、设备及存储介质 | |
CN110428431B (zh) | 一种心脏医学图像的分割方法、装置、设备及存储介质 | |
CN115100230B (zh) | 基于血管图像的动静脉分离方法、装置、存储介质及终端 | |
CN111815663A (zh) | 一种基于Hessian矩阵和灰度法的肝血管分割系统 | |
CN112967284A (zh) | 血管图像分段分析方法、装置、设备及存储介质 | |
CN115049807B (zh) | 肺部血管模型的建立方法、装置及服务器 | |
CN109410181B (zh) | 一种心脏图像分割方法及装置 | |
Singh et al. | Automatic blastomere detection in day 1 to day 2 human embryo images using partitioned graphs and ellipsoids | |
CN112862850A (zh) | 数字剪影血管造影影像处理方法及装置 | |
CN112102351A (zh) | 医学图像分析方法、装置、电子设备及可读存储介质 | |
CN114445445B (zh) | Ct图像的动脉分割方法、装置、电子设备及存储介质 | |
CN111275722A (zh) | 肺段、肝段分割方法及系统 | |
CN108198213B (zh) | 一种标记管状结构的方法及装置、管状结构的处理终端 | |
CN113421254B (zh) | 微循环血管分支长度和直径计算方法及装置和终端设备 | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
CN113192099B (zh) | 一种组织提取方法、装置、设备和介质 | |
CN112950734B (zh) | 冠脉重建方法、装置、电子设备和存储介质 | |
CN111462067B (zh) | 图像分割方法及装置 | |
CN113362327A (zh) | 一种胸腔图像中的区域分割方法、装置、终端及存储介质 | |
CN112861916A (zh) | 一种浸润性宫颈癌病理图像分类方法和系统 | |
CN116524548B (zh) | 血管结构信息提取方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |