技术特征：
1.一种ct结肠影像内容物的标注方法，其特征在于，包括以下步骤：获取ct结肠影像数据集并进行标注，得到带标注的ct影像数据集；对带标注的ct结肠影像数据集进行预处理，得到预处理后的ct影像数据集；基于预处理后的ct影像数据集训练预构建的3d inception网络和改进的u
‑
net网络，并以训练好的3d inception网络辅助训练改进的u
‑
net网络，得到训练完成的dm
‑
unet网络；获取待测图像并基于训练完成的dm
‑
unet网络进行预测，得到结肠内容物标注。2.根据权利要求1所述一种ct结肠影像内容物的标注方法，其特征在于，所述获取ct结肠影像数据集并进行标注，得到带标注的ct影像数据集这一步骤，其具体包括：获取ct结肠影像数据集并采用karl 3d迭代重建法进行图像重建，得到重建影像数据集；基于itk
‑
snap对重建影像数据集进行标注，并以颜色区分结肠空腔区域和结肠内容物，得到带标注的ct影像数据集。3.根据权利要求2所述一种ct结肠影像内容物的标注方法，其特征在于，所述对带标注的ct结肠影像数据集进行预处理，得到预处理后的ct影像数据集这一步骤，其具体包括：基于2d resnet网络识别感兴趣区域，去除从腿部到直肠的区域、从降结肠与横结肠交界处到胸腔的区域，得到感兴趣区域；将感兴趣区域中的结肠内容物标注与结肠空腔标注合并；基于灰度值先验知识与区域生长算法对标注边缘进行填充，得到预处理后的ct影像数据集。4.根据权利要求3所述一种ct结肠影像内容物的标注方法，其特征在于，所述基于预处理后的ct影像数据集训练预构建的3d inception网络和改进的u
‑
net网络，并以训练好的3d inception网络辅助训练改进的u
‑
net网络，得到训练完成的dm
‑
unet网络这一步骤，其具体包括：基于预处理后的ct影像数据集训练3d inception网络，得到训练完成的3d inception网络；所述3d inception采用relu作为激活函数，对数据进行批标准化、拼接操作，并将四条子路的输出合并；基于预处理后的ct影像数据集训练改进的u
‑
net网络并以训练好的3d inception网络辅助训练，得到训练完成的dm
‑
unet网络；所述训练完成的dm
‑
unet网络包括编解码结构和边缘检测机制。5.根据权利要求4所述一种ct结肠影像内容物的标注方法，其特征在于，所述3d inception网络的损失函数公式如下：上式中，θ表示可训练的网络参数，l(θ)表示损失函数，n表示样例总数，i{
·
}表示指示函数，y
(j)
表示第j层横断面的目标输出值，表示第j层横断面的实际输出值，c表示目标分割区域，p表示输入，表示实际输出y
(j)
属于目标分割区域的估计概率。
6.根据权利要求5所述一种ct结肠影像内容物的标注方法，其特征在于，所述训练完成的dm
‑
unet网络的工作步骤如下：对输入ct影像进行四层编码，得到压缩的特征图；对压缩的特征图进行四层解码，并将同层的特征图进行拼接；通过一个1*1卷积输出预测区域；在dm
‑
unet外部引入边缘检测机制，通过canny算子检测ct影像数据中的横断面、实际输出与目标输出，得到实际输出边缘图与目标输出边缘图。7.根据权利要求6所述一种ct结肠影像内容物的标注方法，其特征在于，所述dm
‑
unet网络的损失函数为：上式中，l
dice
表示dice损失函数，n表示样例总数，p
i
表示第i个像素点的目标输出，y
i
表示第i个像素点的实际输出，γ为平滑系数，实际取0.0001。8.根据权利要求7所述一种ct结肠影像内容物的标注方法，其特征在于，所述获取待测图像并基于训练完成的dm
‑
unet网络进行预测，得到结肠内容物标注这一步骤，其具体包括：获取待测图像并输入至训练完成的dm
‑
unet网络；基于dm
‑
unet网络识别出待测图像的标注区域和异常区域；遍历与标注区域对应的输入横断面的每个像素点，并根据预设的灰度阈值区分结肠内容物与结肠空腔两类标注。9.一种ct结肠影像内容物的标注系统，其特征在于，包括：标注模块，用于获取ct结肠影像数据集并进行标注，得到带标注的ct影像数据集；预处理模块，用于对带标注的ct结肠影像数据集进行预处理，得到预处理后的ct影像数据集；网络训练模块，用于基于预处理后的ct影像数据集训练预构建的3d inception网络和改进的u
‑
net网络，并以训练好的3d inception网络辅助训练改进的u
‑
net网络，得到训练完成的dm
‑
unet网络；应用模块，用于获取待测图像并基于训练完成的dm
‑
unet网络进行预测，得到结肠内容物标注。
技术总结
本发明公开了一种CT结肠影像内容物的标注方法及系统，该方法包括：获取CT结肠影像数据集并进行标注；对带标注的CT结肠影像数据集进行预处理；基于预处理后的CT影像数据集训练预构建的3D Inception网络和改进的U
技术研发人员：王国利 刘洋旗 郭雪梅
受保护的技术使用者：中山大学
技术研发日：2021.07.09
技术公布日：2021/9/9