CN117576124B - 一种基于人工智能的腹部ct图像肝脏分割方法及系统 - Google Patents

Abstract

本发明公开了一种基于人工智能的腹部ct图像肝脏分割方法及系统，步骤对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列；对初始肝脏图像序列进行灰度变换处理，对初始肝脏图像序列中任意一个层级切片：确定特征器官在该层级切片中位于的区域；获得层级切片对应的初始掩膜，并根据特征器官位于的区域调整初始掩膜的位置；对位置调整后的初始掩膜进行匹配修正，以生成与该层级切片相对应的修正掩膜；根据修正掩膜对该层级切片进行分割，获得对应的分割图像；根据初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得肝脏的三维模型。本发明在保证腹部ct图像肝脏分割准确的前提下，提高分割效率。

Description

一种基于人工智能的腹部ct图像肝脏分割方法及系统

技术领域

本发明涉及医学图像处理领域，特别是涉及一种基于人工智能的腹部ct图像肝脏分割方法及系统。

背景技术

肝癌是一种最常见的恶性肝脏疾病，死亡率较高。计算机断层扫描(CT，ComputerTomography)作为肝癌诊断的非侵入性精确成像方式，不仅使医生能够更直接、更清晰地获取病变的重要数据信息，也使病人免受侵入式诊断之苦,但大量的CT影像的分析耗时长，并有可能使医生做出错误判断。因此，进行计算机辅助诊断(Computer AidedDiagnosis，CAD)系统的研究对于帮助医生提高诊断效率具有十分重要的意义和价值。作为肝脏计算机辅助诊断系统中最关键的步骤之一，肝脏CT图像的分割是建立肝脏三维模型、模拟肝脏血管系统、以及确定肝脏病变组织位置的基础，已经引起科研工作者的广泛关注。由于CT成像设备获取的图像具有内在不确定性，其模糊程度依赖于许多因素，因为肝脏与邻近器官的灰度值差异较小，所以肝脏图像与周围的腹壁肌肉、膈肌、心脏等器官或组织间缺乏良好的灰度对比，使得CT图像中难以找到肝脏与不同组织之间的清晰边界，为肝脏CT图像的分割带来了困难。另一方面肝脏本身灰度不均匀且形状大小因人而异，进一步地给CT图像分割带来了困难。现有技术对腹部CT图像分割一般利用掩膜过滤掉图像中的无关紧要的部分，突出图像中的重要特征，从而帮助更好地学习和识别肝脏。但是由于肝脏的辨识度低，所以需要花费更长地时间才能准确识别分割肝脏，这无疑降低了分割效率。

发明内容

鉴于现有技术的上述的一部分缺陷，本发明所要解决的技术问题是提供一种基于人工智能的腹部ct图像肝脏分割方法及系统，旨在保证腹部ct图像肝脏分割准确的前提下，提高分割效率。

为实现上述目的，本发明第一方面公开了一种基于人工智能的腹部ct图像肝脏分割方法，所述方法包括：所述方法包括：

步骤S101、对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列；

步骤102、对所述初始肝脏图像序列进行灰度变换处理，并从所述初始肝脏图像序列中的首层切片确定特征器官位于的第一区域；获得所述首层切片对应的首层初始掩膜，并根据所述特征器官位于的所述第一区域调整所述首层初始掩膜的位置；对位置调整后的所述首层初始掩膜进行匹配修正，以生成与所述首层切片相对应的首层修正掩膜；根据所述首层修正掩膜对所述首层切片进行分割，确定所述首层切片中第一肝脏区域并获得对应的分割图像；其中，所述特征器官与其周围的灰度差值大于预设值；

步骤S103、从所述初始肝脏图像序列中的末层切片确定所述特征器官位于的第二区域；获得所述末层切片对应的末层初始掩膜，并根据所述特征器官位于的所述第二区域调整所述末层初始掩膜的位置；对位置调整后的所述末层初始掩膜进行匹配修正，以生成与所述末层切片相对应的末层修正掩膜；根据所述末层修正掩膜对所述末层切片进行分割，确定所述末层切片中第二肝脏区域并获得对应的分割图像；其中，所述首层切片和所述末层切片分别为所述初始肝脏图像序列的第一张切片和最后一张切片；

步骤S104、根据所述第一肝脏区域、所述第二肝脏区域以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述肝脏的切片法向深度及形状大小；

步骤S105、识别除所述首层切片和所述末层切片的其它层级切片中所述特征器官位于的第三区域；获得该层级切片对应的本层初始掩膜，并根据所述特征器官位于的所述第三区域调整所述本层初始掩膜的位置；结合所述肝脏的切片法向深度及形状大小，对位置调整后的所述本层初始掩膜进行匹配修正，以生成与该层级切片相对应的本层修正掩膜；根据所述本层修正掩膜对该层级切片进行分割，获得对应的分割图像；

步骤S106、根据所述初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得所述肝脏的三维模型。

可选的，在所述步骤S106后，所述方法还包括：

根据所述肝脏的血液供应、组织结构以及功能方面的特点，对所述肝脏的所述三维模型进行分区，并对所述三维模型的各个分区进行独立建模。

可选的，所述步骤S105中获得该层级切片对应的本层初始掩膜包括：

获得标准肝脏三维模型；根据对所述初始肝脏图像序列对应的层级数目以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述标准肝脏三维模型的标准切片；其中，所述标准切片的数目和距离间隔与所述初始肝脏图像序列相匹配；

根据所述标准肝脏三维模型的各个所述标准切片，获得与各个所述标准切片相对应的初始标准掩膜；将所述初始标准掩膜对应至所述初始肝脏图像序列中与所述初始标准掩膜序号相同的层级切片，并作为该层级切片的所述本层初始掩膜。

可选的，所述步骤S105中获得该层级切片对应的本层初始掩膜包括：

根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。

可选的，所述特征器官为脊柱。

本发明第二方面公开了一种基于人工智能的腹部ct图像肝脏分割系统，所述系统包括：窗宽窗位调整模块、首层切片分割模块、末层切片分割模块、肝脏形状获得模块、层级切片分割模块以及三维重建模块；

所述窗宽窗位调整模块，用于对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列；

所述首层切片分割模块，用于对所述初始肝脏图像序列进行灰度变换处理，并从所述初始肝脏图像序列中的首层切片确定特征器官位于的第一区域；获得所述首层切片对应的首层初始掩膜，并根据所述特征器官位于的所述第一区域调整所述首层初始掩膜的位置；对位置调整后的所述首层初始掩膜进行匹配修正，以生成与所述首层切片相对应的首层修正掩膜；根据所述首层修正掩膜对所述首层切片进行分割，确定所述首层切片中第一肝脏区域并获得对应的分割图像；其中，所述特征器官与其周围的灰度差值大于预设值；

所述末层切片分割模块，用于从所述初始肝脏图像序列中的末层切片确定所述特征器官位于的第二区域；获得所述末层切片对应的末层初始掩膜，并根据所述特征器官位于的所述第二区域调整所述末层初始掩膜的位置；对位置调整后的所述末层初始掩膜进行匹配修正，以生成与所述末层切片相对应的末层修正掩膜；根据所述末层修正掩膜对所述末层切片进行分割，确定所述末层切片中第二肝脏区域并获得对应的分割图像；其中，所述首层切片和所述末层切片分别为所述初始肝脏图像序列的第一张切片和最后一张切片；

所述肝脏形状获得模块，用于根据所述第一肝脏区域、所述第二肝脏区域以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述肝脏的切片法向深度及形状大小；

所述层级切片分割模块，用于识别除所述首层切片和所述末层切片的其它层级切片中所述特征器官位于的第三区域；获得该层级切片对应的本层初始掩膜，并根据所述特征器官位于的所述第三区域调整所述本层初始掩膜的位置；结合所述肝脏的切片法向深度及形状大小，对位置调整后的所述本层初始掩膜进行匹配修正，以生成与该层级切片相对应的本层修正掩膜；根据所述本层修正掩膜对该层级切片进行分割，获得对应的分割图像；

所述三维重建模块，用于根据所述初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得所述肝脏的三维模型。

可选的，所述系统还包括分区建模模块，所述分区建模模块在所述三维重建模块工作后进行工作；

所述分区建模模块，用于根据所述肝脏的血液供应、组织结构以及功能方面的特点，对所述肝脏的所述三维模型进行分区，并对所述三维模型的各个分区进行独立建模。

可选的，所述层级切片分割模块包括：标准切片获得子模块和初始掩膜对应子模块；

所述标准切片获得子模块，用于获得标准肝脏三维模型；根据对所述初始肝脏图像序列对应的层级数目以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述标准肝脏三维模型的标准切片；其中，所述标准切片的数目和距离间隔与所述初始肝脏图像序列相匹配；

所述初始掩膜对应子模块，根据所述标准肝脏三维模型的各个所述标准切片，获得与各个所述标准切片相对应的初始标准掩膜；将所述初始标准掩膜对应至所述初始肝脏图像序列中与所述初始标准掩膜序号相同的层级切片，并作为该层级切片的所述本层初始掩膜。

可选的，所述层级切片分割模块包括：初始掩膜获得子模块；

所述初始掩膜获得子模块，用于根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。

可选的，所述特征器官为脊柱。

本发明的有益效果：1、本发明针对初始肝脏图像序列中的每一个层级切片，确定特征器官处于该层级切片的区域；根据特征器官处于的区域，调整该层级切片对应的初始掩膜位置；最后再对初始掩膜进行修正，获得与该层级切片相匹配的修正掩膜。现有技术直接对初始掩膜进行修正，有时候需要从整张切片范围内确定肝脏的大概位置，进而才能对初始掩膜修正，这样不仅浪费了算力，而且降低了分割效率。相较于现有技术，本发明通过具有高识别度的特征器官（灰度值与周围相差大所以易于识别）与肝脏之间的相对位置，可以通过图像识别特征器官，再通过特征器官位置确定肝脏的大概位置，可以缩小初始掩膜的修正范围，无需从整张切片内确定肝脏位置，在保证分割精确的前提下，有效地减少了算力浪费，提高了分割效率。2、本发明对除首层切片和末层切片的其它层级切片进行初始掩膜匹配修正时，会结合肝脏的切片法向深度及形状大小，进一步地提升分割准确率。因为每个人的肝脏都会或多或少存在形状大小的差异，本发明通过首层切片和末层切片获得肝脏形状大小（立体层面包括厚度，即切片法向深度），结合这一点修正初始掩膜，使获得的修正掩膜更加准确，进而提升分割准确率。3、本发明根据肝脏的血液供应、组织结构以及功能方面的特点，对肝脏的三维模型进行分区，并对三维模型的各个分区进行独立建模。通过独立建模，可以将各个分区模型单独进行查看，更便于观察。4、本发明各个层级切片对应的初始掩膜可以根据标准肝脏三维模型进行获得，提高分割准确率。5、本发明可以根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。通过这样的方式获得初始掩膜，可以进行层层迭代，保证每一层级分割的准确率。

综上，本发明在保证腹部ct图像肝脏分割准确的前提下，提高分割效率。

附图说明

图1是本发明一具体实施例提供的一种基于人工智能的腹部ct图像肝脏分割方法的流程示意图；

图2是本发明一具体实施例提供的一种基于人工智能的腹部ct图像肝脏分割系统的结构示意图；

图3是本发明一具体实施例提供的修正掩膜获得和现有技术的修正掩膜获得的对比流程示意图。

具体实施方式

本发明公开了一种基于人工智能的腹部ct图像肝脏分割方法，本领域技术人员可以借鉴本文内容，适当改进技术细节实现。特别需要指出的是，所有类似的替换和改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明。本发明的方法及应用已经通过较佳实施例进行了描述，相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的方法和应用进行改动或适当变更与组合，来实现和应用本发明技术。

经申请人研究发现：现有技术对腹部ct图像分割一般利用掩膜过滤掉图像中的无关紧要的部分，突出图像中的重要特征，从而帮助更好地学习和识别肝脏。但是由于肝脏的辨识度低（灰度值与周围相差较小），所以需要花费更长地时间才能准确识别并分割肝脏，降低了分割效率。

因此，本发明实施例提供了一种基于人工智能的腹部ct图像肝脏分割方法，如图1所示，该方法包括：

步骤S101、对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列。

需要说明的是，在ct扫描中，图像是由多个层面叠加而成的，每个层面都称为一个切片。通过ct切片，医生可以观察到被扫描部位的详细结构，从而进行诊断和治疗。在医学图像处理中，窗宽和窗位是常用的调整参数，可以改变图像的显示效果。窗宽是ct图像上显示的ct值范围，在这个范围内，组织和病变以不同的模拟灰度显示。增大窗宽，图像所示ct值范围加大，显示具有不同密度的组织结构增多，但各结构之间的灰度差别减少；减小窗宽，显示的组织结构减少，但各结构之间的灰度差别增加。窗位是窗的中心位置，同样的窗宽，由于窗位不同，其ct值范围也会有所差异。例如当窗宽为100H时，若窗位为0H，则其ct值范围为-50～+50H；若窗位为+35H时，则ct值范围为-15～+85H。在处理医学图像时，可以根据实际需要来调整窗宽和窗位，以更好地观察和分析图像。

步骤102、对初始肝脏图像序列进行灰度变换处理，并从初始肝脏图像序列中的首层切片确定特征器官位于的第一区域；获得首层切片对应的首层初始掩膜，并根据特征器官位于的第一区域调整首层初始掩膜的位置；对位置调整后的首层初始掩膜进行匹配修正，以生成与首层切片相对应的首层修正掩膜；根据首层修正掩膜对首层切片进行分割，确定首层切片中第一肝脏区域并获得对应的分割图像。

其中，特征器官与其周围的灰度差值大于预设值。

需要说明的是，本发明特征器官与其周围的灰度差值大于预设值，该预设值根据识别度进行设置。本发明特征器官与其周围的灰度差值大于预设值说明特征器官具有较高的识别度，可以容易被识别出来。据此，本发明通过识别特征器官，获得特征器官处于的区域；再根据特征器官与肝脏之间的相对位置，确定肝脏的大概位置，进而对初始掩膜进行位置调整使其能够较为准确的对肝脏周围的区域进行掩码，最后再进行匹配修正。相较于现有技术，本发明不用从整张切片中去确定肝脏的大概位置，大大提升了分割效率，同时也保证分割准确率。

在一具体实施例中，分割算法可以采用GraphCut算法。

步骤S103、从初始肝脏图像序列中的末层切片确定特征器官位于的第二区域；获得末层切片对应的末层初始掩膜，并根据特征器官位于的第二区域调整末层初始掩膜的位置；对位置调整后的末层初始掩膜进行匹配修正，以生成与末层切片相对应的末层修正掩膜；根据末层修正掩膜对末层切片进行分割，确定末层切片中第二肝脏区域并获得对应的分割图像。

其中，首层切片和末层切片分别为初始肝脏图像序列的第一张切片和最后一张切片。

在一具体实施例中，首层切片和末层切片对应的首层初始掩膜和末层初始掩膜进行细化修正，以使首层修正掩膜和末层修正掩膜与对应的首层切片和末层切片具有更高的匹配率。保证首层切片和末层切片分割精准，可以使后续获得肝脏的切片法向深度及形状大小更加准确，进一步提高其它层级初始掩膜的修正准确率。

步骤S104、根据第一肝脏区域、第二肝脏区域以及初始肝脏图像序列之间的拍摄距离间隔，获得肝脏的切片法向深度及形状大小。

肝脏的切片法向深度及形状大小意味着肝脏在三维层面的形状和大小（包括厚度）。

步骤S105、识别除首层切片和末层切片的其它层级切片中特征器官位于的第三区域；获得该层级切片对应的本层初始掩膜，并根据特征器官位于的第三区域调整本层初始掩膜的位置；结合肝脏的切片法向深度及形状大小，对位置调整后的本层初始掩膜进行匹配修正，以生成与该层级切片相对应的本层修正掩膜；根据本层修正掩膜对该层级切片进行分割，获得对应的分割图像。

需要说明的是，其它层级切片和首层切片以及末层切片相同的是都可以根据特征器官所在区域调整初始掩膜位置，因此也具有相同的优势。不同的是在进对初始掩膜进行匹配修正时，其它层级切片结合肝脏的切片法向深度及形状大小，可以进一步预测肝脏在该层级切片的位置，因此在匹配修正时，可以更加精准快速识别肝脏，提高肝脏分割质量和效率。

步骤S106、根据初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得肝脏的三维模型。

需要说明的是，医学图像三维重建是指利用计算机技术将二维医学图像转化为三维模型的过程。二维医学图像在医生诊断中起着积极作用，但由于人体组织器官形态多样、结构复杂，医学图像中所蕴涵的信息可能没有得到充分利用。通过对二维图像进行三维重建和可视化，可以直观地显示复杂的三维器官结构，有助于医生进行全面而准确的分析，从而提高医疗诊断水平。医学图像三维重建可以精确地确定病变体或畸形的空间位置、大小、几何形状以及和周围组织结构的空间关系，降低了对医生读片经验的依赖，提高了诊断的准确性和效率。

在一具体实施例中，肝脏分割修正掩膜生成的过程可以如图3所示，图3中，a为现有技术对应的修正掩膜生成：一般直接将初始掩膜在整张切片中匹配修正，获得修正掩膜。现有技术这样不仅浪费算力，而且效率低下。b为本发明实施例对应的修正掩膜生成：初始掩膜根据特征器官位于区域进行位置调整，获得位置调整后的初始掩膜，此时可以将修正范围缩小至位置调整后的初始掩膜对应的区域及周围，再结合肝脏的切片法向深度及形状大小匹配修正，获得修正掩膜。本发明实施例有效缩小了匹配修正范围，保证了分割准确的前提下，提升了分割效率。

在一具体实施例中，在步骤S106后，方法还包括：

根据肝脏的血液供应、组织结构以及功能方面的特点，对肝脏的三维模型进行分区，并对三维模型的各个分区进行独立建模。

需要说明的是，对肝脏三维模型进行分区，可以更利于观察，以避免漏察错察的情况。分区可以进行单独查看，不会被其它区域干扰，进一步地方便观察者。

在一具体实施例中，步骤S105中获得该层级切片对应的本层初始掩膜包括：

获得标准肝脏三维模型；根据对初始肝脏图像序列对应的层级数目以及初始肝脏图像序列之间的拍摄距离间隔，获得标准肝脏三维模型的标准切片；其中，标准切片的数目和距离间隔与初始肝脏图像序列相匹配；

根据标准肝脏三维模型的各个标准切片，获得与各个标准切片相对应的初始标准掩膜；将初始标准掩膜对应至初始肝脏图像序列中与初始标准掩膜序号相同的层级切片，并作为该层级切片的本层初始掩膜。

需要说明的是，该实施例为本发明实施例对应的初始掩膜获得方式，通过该方式可以获得标准的初始掩膜，适配性高。

在一具体实施例中，步骤S105中获得该层级切片对应的本层初始掩膜包括：

根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。

需要说明的是，通过上一层级修正掩膜获得该层级切片对应的本层初始掩膜，这样可以进行层层迭代，避免一直根据外界的初始掩膜导致不结合实际情况，出现偏差的情况。该实施例可以有效结合各层级切片肝脏分布，来生成对应的初始掩膜，因此具有更高的适应性。

在一具体实施例中，特征器官为脊柱。

需要说明的是，脊柱在CT图像中与周围环境的灰度值相差大，容易识别。

在一具体实施例中，特征器官可以为多个。这样因为根据参考点的增多，对初始掩膜调整位置与肝脏对应可以更加准确。

本发明实施例针对初始肝脏图像序列中的每一个层级切片，确定特征器官处于该层级切片的区域；根据特征器官处于的区域，调整该层级切片对应的初始掩膜位置；最后再对初始掩膜进行修正，获得与该层级切片相匹配的修正掩膜。现有技术直接对初始掩膜进行修正，有时候需要从整张切片范围内确定肝脏的大概位置，进而才能对初始掩膜修正，这样不仅浪费了算力，而且降低了分割效率。相较于现有技术，本发明实施例通过具有高识别度的特征器官（灰度值与周围相差大所以易于识别）与肝脏之间的相对位置，可以通过图像识别特征器官，再通过特征器官位置确定肝脏的大概位置，可以缩小初始掩膜的修正范围，无需从整张切片内确定肝脏位置，在保证分割精确的前提下，有效地减少了算力浪费，提高了分割效率。

本发明实施例对除首层切片和末层切片的其它层级切片进行初始掩膜匹配修正时，会结合肝脏的切片法向深度及形状大小，进一步地提升分割准确率。因为每个人的肝脏都会或多或少存在形状大小的差异，本发明实施例通过首层切片和末层切片获得肝脏形状大小（立体层面包括厚度，即切片法向深度），结合这一点修正初始掩膜，使获得的修正掩膜更加准确，进而提升分割准确率。

本发明实施例根据肝脏的血液供应、组织结构以及功能方面的特点，对肝脏的三维模型进行分区，并对三维模型的各个分区进行独立建模。通过独立建模，可以将各个分区模型单独进行查看，更便于观察。

本发明实施例各个层级切片对应的初始掩膜可以根据标准肝脏三维模型进行获得，提高分割准确率。

本发明实施例可以根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。通过这样的方式获得初始掩膜，可以进行层层迭代，保证每一层级分割的准确率。

综上，本发明实施例在保证腹部ct图像肝脏分割准确的前提下，提高分割效率。

基于上述提供的一种基于人工智能的腹部ct图像肝脏分割方法，本发明还提供了一种基于人工智能的腹部ct图像肝脏分割系统，如图2所示，该系统包括：窗宽窗位调整模块201、首层切片分割模块202、末层切片分割模块203、肝脏形状获得模块204、层级切片分割模块205以及三维重建模块206；

窗宽窗位调整模块201，用于对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列；

首层切片分割模块202，用于对初始肝脏图像序列进行灰度变换处理，并从初始肝脏图像序列中的首层切片确定特征器官位于的第一区域；获得首层切片对应的首层初始掩膜，并根据特征器官位于的第一区域调整首层初始掩膜的位置；对位置调整后的首层初始掩膜进行匹配修正，以生成与首层切片相对应的首层修正掩膜；根据首层修正掩膜对首层切片进行分割，确定首层切片中第一肝脏区域并获得对应的分割图像；其中，特征器官与其周围的灰度差值大于预设值；

末层切片分割模块203，用于从初始肝脏图像序列中的末层切片确定特征器官位于的第二区域；获得末层切片对应的末层初始掩膜，并根据特征器官位于的第二区域调整末层初始掩膜的位置；对位置调整后的末层初始掩膜进行匹配修正，以生成与末层切片相对应的末层修正掩膜；根据末层修正掩膜对末层切片进行分割，确定末层切片中第二肝脏区域并获得对应的分割图像；其中，首层切片和末层切片分别为初始肝脏图像序列的第一张切片和最后一张切片；

肝脏形状获得模块204，用于根据第一肝脏区域、第二肝脏区域以及初始肝脏图像序列之间的拍摄距离间隔，获得肝脏的切片法向深度及形状大小；

层级切片分割模块205，用于识别除首层切片和末层切片的其它层级切片中特征器官位于的第三区域；获得该层级切片对应的本层初始掩膜，并根据特征器官位于的第三区域调整本层初始掩膜的位置；结合肝脏的切片法向深度及形状大小，对位置调整后的本层初始掩膜进行匹配修正，以生成与该层级切片相对应的本层修正掩膜；根据本层修正掩膜对该层级切片进行分割，获得对应的分割图像；

三维重建模块206，用于根据初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得肝脏的三维模型。

在一具体实施例中，系统还包括分区建模模块，分区建模模块在三维重建模块206工作后进行工作；

分区建模模块，用于根据肝脏的血液供应、组织结构以及功能方面的特点，对肝脏的三维模型进行分区，并对三维模型的各个分区进行独立建模。

在一具体实施例中，层级切片分割模块205包括：标准切片获得子模块和初始掩膜对应子模块；

标准切片获得子模块，用于获得标准肝脏三维模型；根据对初始肝脏图像序列对应的层级数目以及初始肝脏图像序列之间的拍摄距离间隔，获得标准肝脏三维模型的标准切片；其中，标准切片的数目和距离间隔与初始肝脏图像序列相匹配；

初始掩膜对应子模块，根据标准肝脏三维模型的各个标准切片，获得与各个标准切片相对应的初始标准掩膜；将初始标准掩膜对应至初始肝脏图像序列中与初始标准掩膜序号相同的层级切片，并作为该层级切片的本层初始掩膜。

在一具体实施例中，层级切片分割模块205包括：初始掩膜获得子模块；

初始掩膜获得子模块，用于根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。

在一具体实施例中，特征器官为脊柱。

本发明系统实施例针对初始肝脏图像序列中的每一个层级切片，确定特征器官处于该层级切片的区域；根据特征器官处于的区域，调整该层级切片对应的初始掩膜位置；最后再对初始掩膜进行修正，获得与该层级切片相匹配的修正掩膜。现有技术直接对初始掩膜进行修正，有时候需要从整张切片范围内确定肝脏的大概位置，进而才能对初始掩膜修正，这样不仅浪费了算力，而且降低了分割效率。相较于现有技术，本发明系统实施例通过具有高识别度的特征器官（灰度值与周围相差大所以易于识别）与肝脏之间的相对位置，可以通过图像识别特征器官，再通过特征器官位置确定肝脏的大概位置，可以缩小初始掩膜的修正范围，无需从整张切片内确定肝脏位置，在保证分割精确的前提下，有效地减少了算力浪费，提高了分割效率。

本发明系统实施例对除首层切片和末层切片的其它层级切片进行初始掩膜匹配修正时，会结合肝脏的切片法向深度及形状大小，进一步地提升分割准确率。因为每个人的肝脏都会或多或少存在形状大小的差异，本发明系统实施例通过首层切片和末层切片获得肝脏形状大小（立体层面包括厚度，即切片法向深度），结合这一点修正初始掩膜，使获得的修正掩膜更加准确，进而提升分割准确率。

本发明系统实施例根据肝脏的血液供应、组织结构以及功能方面的特点，对肝脏的三维模型进行分区，并对三维模型的各个分区进行独立建模。通过独立建模，可以将各个分区模型单独进行查看，更便于观察。

本发明系统实施例各个层级切片对应的初始掩膜可以根据标准肝脏三维模型进行获得，提高分割准确率。

本发明系统实施例可以根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。通过这样的方式获得初始掩膜，可以进行层层迭代，保证每一层级分割的准确率。

综上，本发明系统实施例在保证腹部ct图像肝脏分割准确的前提下，提高分割效率。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种基于人工智能的腹部ct图像肝脏分割方法，其特征在于，所述方法包括：

步骤S101、对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列；

步骤102、对所述初始肝脏图像序列进行灰度变换处理，并从所述初始肝脏图像序列中的首层切片确定特征器官位于的第一区域；获得所述首层切片对应的首层初始掩膜，并根据所述特征器官位于的所述第一区域调整所述首层初始掩膜的位置；对位置调整后的所述首层初始掩膜进行匹配修正，以生成与所述首层切片相对应的首层修正掩膜；根据所述首层修正掩膜对所述首层切片进行分割，确定所述首层切片中第一肝脏区域并获得对应的分割图像；其中，所述特征器官与其周围的灰度差值大于预设值；所述特征器官为脊柱；

步骤S103、从所述初始肝脏图像序列中的末层切片确定所述特征器官位于的第二区域；获得所述末层切片对应的末层初始掩膜，并根据所述特征器官位于的所述第二区域调整所述末层初始掩膜的位置；对位置调整后的所述末层初始掩膜进行匹配修正，以生成与所述末层切片相对应的末层修正掩膜；根据所述末层修正掩膜对所述末层切片进行分割，确定所述末层切片中第二肝脏区域并获得对应的分割图像；其中，所述首层切片和所述末层切片分别为所述初始肝脏图像序列的第一张切片和最后一张切片；

步骤S104、根据所述第一肝脏区域、所述第二肝脏区域以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述肝脏的切片法向深度及形状大小；

步骤S105、识别除所述首层切片和所述末层切片的其它层级切片中所述特征器官位于的第三区域；获得该层级切片对应的本层初始掩膜，并根据所述特征器官位于的所述第三区域调整所述本层初始掩膜的位置；结合所述肝脏的切片法向深度及形状大小，对位置调整后的所述本层初始掩膜进行匹配修正，以生成与该层级切片相对应的本层修正掩膜；根据所述本层修正掩膜对该层级切片进行分割，获得对应的分割图像；

步骤S106、根据所述初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得所述肝脏的三维模型。

2.根据权利要求1所述的基于人工智能的腹部ct图像肝脏分割方法，其特征在于，在所述步骤S106后，所述方法还包括：

根据所述肝脏的血液供应、组织结构以及功能方面的特点，对所述肝脏的所述三维模型进行分区，并对所述三维模型的各个分区进行独立建模。

3.根据权利要求1所述的基于人工智能的腹部ct图像肝脏分割方法，其特征在于，所述步骤S105中获得该层级切片对应的本层初始掩膜包括：

获得标准肝脏三维模型；根据对所述初始肝脏图像序列对应的层级数目以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述标准肝脏三维模型的标准切片；其中，所述标准切片的数目和距离间隔与所述初始肝脏图像序列相匹配；

根据所述标准肝脏三维模型的各个所述标准切片，获得与各个所述标准切片相对应的初始标准掩膜；将所述初始标准掩膜对应至所述初始肝脏图像序列中与所述初始标准掩膜序号相同的层级切片，并作为该层级切片的所述本层初始掩膜。

4.根据权利要求1所述的基于人工智能的腹部ct图像肝脏分割方法，其特征在于，所述步骤S105中获得该层级切片对应的本层初始掩膜包括：

根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。

5.一种基于人工智能的腹部ct图像肝脏分割系统，其特征在于，所述系统包括：窗宽窗位调整模块、首层切片分割模块、末层切片分割模块、肝脏形状获得模块、层级切片分割模块以及三维重建模块；

所述窗宽窗位调整模块，用于对腹部ct图像序列的窗宽和窗位进行调整，以突显肝脏区域显影，获得初始肝脏图像序列；

所述首层切片分割模块，用于对所述初始肝脏图像序列进行灰度变换处理，并从所述初始肝脏图像序列中的首层切片确定特征器官位于的第一区域；获得所述首层切片对应的首层初始掩膜，并根据所述特征器官位于的所述第一区域调整所述首层初始掩膜的位置；对位置调整后的所述首层初始掩膜进行匹配修正，以生成与所述首层切片相对应的首层修正掩膜；根据所述首层修正掩膜对所述首层切片进行分割，确定所述首层切片中第一肝脏区域并获得对应的分割图像；其中，所述特征器官与其周围的灰度差值大于预设值；所述特征器官为脊柱；

所述末层切片分割模块，用于从所述初始肝脏图像序列中的末层切片确定所述特征器官位于的第二区域；获得所述末层切片对应的末层初始掩膜，并根据所述特征器官位于的所述第二区域调整所述末层初始掩膜的位置；对位置调整后的所述末层初始掩膜进行匹配修正，以生成与所述末层切片相对应的末层修正掩膜；根据所述末层修正掩膜对所述末层切片进行分割，确定所述末层切片中第二肝脏区域并获得对应的分割图像；其中，所述首层切片和所述末层切片分别为所述初始肝脏图像序列的第一张切片和最后一张切片；

所述肝脏形状获得模块，用于根据所述第一肝脏区域、所述第二肝脏区域以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述肝脏的切片法向深度及形状大小；

所述层级切片分割模块，用于识别除所述首层切片和所述末层切片的其它层级切片中所述特征器官位于的第三区域；获得该层级切片对应的本层初始掩膜，并根据所述特征器官位于的所述第三区域调整所述本层初始掩膜的位置；结合所述肝脏的切片法向深度及形状大小，对位置调整后的所述本层初始掩膜进行匹配修正，以生成与该层级切片相对应的本层修正掩膜；根据所述本层修正掩膜对该层级切片进行分割，获得对应的分割图像；

所述三维重建模块，用于根据所述初始肝脏图像序列中各个层级切片对应的分割图像进行三维重建，获得所述肝脏的三维模型。

6.根据权利要求5所述的基于人工智能的腹部ct图像肝脏分割系统，其特征在于，所述系统还包括分区建模模块，所述分区建模模块在所述三维重建模块工作后进行工作；

所述分区建模模块，用于根据所述肝脏的血液供应、组织结构以及功能方面的特点，对所述肝脏的所述三维模型进行分区，并对所述三维模型的各个分区进行独立建模。

7.根据权利要求5所述的基于人工智能的腹部ct图像肝脏分割系统，其特征在于，所述层级切片分割模块包括：标准切片获得子模块和初始掩膜对应子模块；

所述标准切片获得子模块，用于获得标准肝脏三维模型；根据对所述初始肝脏图像序列对应的层级数目以及所述初始肝脏图像序列之间的拍摄距离间隔，获得所述标准肝脏三维模型的标准切片；其中，所述标准切片的数目和距离间隔与所述初始肝脏图像序列相匹配；

所述初始掩膜对应子模块，根据所述标准肝脏三维模型的各个所述标准切片，获得与各个所述标准切片相对应的初始标准掩膜；将所述初始标准掩膜对应至所述初始肝脏图像序列中与所述初始标准掩膜序号相同的层级切片，并作为该层级切片的所述本层初始掩膜。

8.根据权利要求5所述的基于人工智能的腹部ct图像肝脏分割系统，其特征在于，所述层级切片分割模块包括：初始掩膜获得子模块；

所述初始掩膜获得子模块，用于根据该层级切片对应的上一层级修正掩膜，获得该层级切片对应的本层初始掩膜。