一种基于CT的单个椎体的分割方法、系统及介质与流程

一种基于ct的单个椎体的分割方法、系统及介质
技术领域
1.本发明涉及单个椎体分割的技术领域，具体地，涉及一种基于ct的单个椎体的分割方法、系统及介质。


背景技术：

2.脊椎也被称为脊柱，是形成人体上部中心负重轴的骨骼结构。脊柱图像有着多种医学影像学模式，其中x光片、ct、mri和pet等多种图像被用于评估脊柱解剖和诊断脊柱病理。其中，ct是当代使用最广泛的扫描技术，是评估椎骨的三维形态的空间上最精确的方式。脊椎分割是大多数后续脊柱图像分析和建模任务的基本步骤。
3.针对上述中的相关技术，发明人认为存在有椎体分割和识别问题以及多尺度问题，因此，需要提出一种技术方案以改善上述技术问题。


技术实现要素：

4.针对现有技术中的缺陷，本发明的目的是提供一种一种基于ct的单个椎体的分割方法、系统及介质。
5.根据本发明提供的一种基于ct的单个椎体的分割方法，包括如下步骤：
6.步骤1：从3d椎体图像块中分割体素，对体素进行二分类，判断体素椎体实例类型；
7.步骤2：对3d椎体中的一个椎体实例进行分割；
8.步骤3：利用识别子网络预测被检测到的椎体的解剖标记；
9.步骤4：利用完整分类自网络区分完全可见的椎体和部分可见的椎体；
10.步骤5：遵循特定的分割顺序对椎体进行分割。
11.优选地，所述步骤1利用分割网络从3d锥体图像块中分割体素，对所有的体素进行二分类，判断该体素的锥体实例；分割网络是由一个全卷积网络fcn组成；分割网络的架构是由u
‑
net网络架构组成，在所有卷积层之前使用滤波器和批量归一化处理。
12.优选地，所述步骤2确保分割网络在对3d锥体图像进行分割时，对一个锥体实例进行分割。
13.优选地，所述步骤5遵循自顶向下或自底向上的方案，锥体分割的顺序按照从上到下或从下到上的顺序；在分割过程中从实例记忆模块找到属于当前分割块中的椎体。
14.本发明还提供一种基于ct的单个椎体的分割系统，包括如下模块：
15.模块m1：从3d椎体图像块中分割体素，对体素进行二分类，判断体素椎体实例类型；
16.模块m2：对3d椎体中的一个椎体实例进行分割；
17.模块m3：利用识别子网络预测被检测到的椎体的解剖标记；
18.模块m4：利用完整分类自网络区分完全可见的椎体和部分可见的椎体；
19.模块m5：遵循特定的分割顺序对椎体进行分割。
20.优选地，所述模块m1利用分割网络从3d锥体图像块中分割体素，对所有的体素进
行二分类，判断该体素的锥体实例；分割网络是由一个全卷积网络fcn组成；分割网络的架构是由u
‑
net网络架构组成，在所有卷积层之前使用滤波器和批量归一化处理。
21.优选地，所述模块m2确保分割网络在对3d锥体图像进行分割时，对一个锥体实例进行分割。
22.优选地，所述模块m5遵循自顶向下或自底向上的方案，锥体分割的顺序按照从上到下或从下到上的顺序；在分割过程中从实例记忆模块找到属于当前分割块中的椎体。
23.本发明还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现权利要求1
‑
4中任一项所述的方法的步骤。
24.与现有技术相比，本发明具有如下的有益效果：
25.1.使用一种迭代的实例分割方法；使用全卷积迭代神经网络一个接一个的去分割和标注椎体区域；使用脊柱锥体总是彼此相连这一先验知识去有效的遍历图像；本发明具有快速、灵活等优点。
26.2.通过采用全卷积迭代神经网络结构，解决了椎体分割和识别问题以及多尺度问题，可以用于任何的成像方式、任何视角、任何数量和类型的可见椎体，达到了快速、灵活、准确分割和识别的效果。
附图说明
27.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
28.图1为本发明的流程图；
29.图2为本发明网络结构示意图。
具体实施方式
30.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
31.本发明提供一种基于ct的单个椎体的分割方法，包括如下步骤：参照图1和图2。
32.步骤1：分割网络。
33.分割网络是本方法的核心部分。分割网络是从3d锥体图像块中分割体素，对所有的体素进行二分类，说明该体素是否属于当前锥体实例。该网络是由一个全卷积网络fcn组成。分割网络的架构是由u
‑
net网络架构组成，在所有卷积层之前使用滤波器和批量归一化处理。
34.步骤2：实例记忆模块instance memory。
35.在确保分割网络在对3d锥体图像进行分割时，只对一个特定锥体实例进行分割而不是对整个3d锥体图像块中所有的锥体进行分割。
36.步骤3：识别子网络和完整分类自网络。
37.识别子网络是预测每个被检测到的锥体的解剖标记。
38.完整分类自网络是区分完全可见的锥体和部分可见的锥体。
39.步骤4：迭代分割。
40.对椎体的分割过程遵循自顶向下或自底向上的方案，即锥体分割的顺序不是随机的，而是按照从上到下或从下到上的顺序。在分割过程中从实力记忆模块找到属于当前分割块中的椎体。
41.利用先验知识，fcn可以迭代地分析单个的块集中在位置x
t
，t是指迭代的次数。一开始，块以滑动窗口的方式以固定的步长δx去搜索最顶端的锥体位置或最低端的椎体位置。只要网络检测到足够大的锥体部分，块就移动到这个片段。
42.被检测的部分的边界框的中心记为bt，这就是下一个块的中心。
43.x
t
更新公式：x
t+1
＝x
t
+δx，if v
t
＜v
min else[b
t
]。
[0044]
本发明提供的一种基于ct的单个椎体的分割方法、系统及介质使用一种迭代的实例分割方法；使用全卷积迭代神经网络一个接一个的去分割和标注椎体区域；使用脊柱锥体总是彼此相连这一先验知识去有效的遍历图像；本发明具有快速、灵活等优点。通过采用全卷积迭代神经网络结构，解决了椎体分割和识别问题以及多尺度问题,可以用于任何的成像方式、任何视角、任何数量和类型的可见椎体，达到了快速、灵活、准确分割和识别的效果。
[0045]
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0046]
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。