一种CT图像的多图层级联成像方法及装置与流程

本技术涉及图像处理，具体涉及一种ct图像的多图层级联成像方法及装置。

背景技术：

1、ct图像是常用的医学图像之一，ct(英文全称：computed tomography，中文全称：计算机断层扫描)图像，是利用精准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕在人体的某一部位作为一个接一个的断面扫描得到多张不同断面的多图层ct图像，随着探测器和成像设备的不断进步，得到的ct图像也越来越清晰准确，医生根据这些不同断面的ct图像进行更精确的病情诊断。

2、目前，虽然ct图像的质量越来越高，但为了更多的得知患者体内的情况有利于病情诊断，通常会对人体某一部位进行较大范围的拍摄扫描，因此会得到较多器官及组织的显示图像，而大部分的器官及组织大多通过简单查看就可以认定是正常的，但这些正常的器官及组织的存在会给医生查看有可能存在病变的器官及组织带来困难，因为医生需要花费精力通过人为经验对这些器官组织进行边界划分，达到排除无用信息，集中注意力对患病部位进行仔细查看的目的，而有些器官及组织的边界不易辨认，通过人为经验识别需要耗费大量精力，甚至有可能出现辨认差错，因此亟需一种ct图像的多图层级联成像方法及装置，通过对多图层的ct图像进行器官及组织的识别，自动对各器官及组织进行边界划分，突出显示需要仔细查看的器官及组织区域，隐藏或虚化与诊断无关的器官及组织区域，有效帮助医生更容易更准确的查看可能患病的区域。

技术实现思路

1、本发明的目的在于：针对目前现有技术的不足，提供一种ct图像的多图层级联成像方法及装置，通过对多图层的ct图像进行器官及组织的识别，自动对各器官及组织进行边界划分，突出显示需要仔细查看的器官及组织区域，隐藏或虚化与诊断无关的器官及组织区域，有效帮助医生更容易更准确的查看可能患病的区域。

2、为了实现上述发明目的，本发明提供了以下技术方案：

3、在本技术的第一方面，提供一种ct图像的多图层级联成像方法，包括：

4、获取人体ct图像，所述ct图像包括带有器官组织名称标识的人体ct图像和待识别人体的ct图像，所述ct图像包括多个图层的断层扫描区域图像，根据层厚和层距确定所述ct图像的图层数量；

5、对带有器官组织名称标识的人体所述ct图像的多个图层进行预处理；

6、形成数据集，所述数据集包括截取的所述器官组织图像以及对应的名称标识，将数据集分为训练集和验证集，所述训练集和验证集用于训练分类cnn模型，利用训练好的分类cnn模型对待识别人体的ct图像进行各器官组织的识别；

7、得到ct图像中各器官组织的识别结果，并按照识别结果进行各器官组织的区域划分，通过选择其中的器官组织，使被选择的器官组织区域相对未被选择的器官组织区域突出显示。

8、在一些可选的实施方式中，利用所述分类cnn模型对每一图层的ct图像进行各器官组织的识别，识别完成后对全部图层中各相同的器官组织进行级联处理，所述级联处理使医生对其中一个图层中的器官组织进行选择时，其余图层中相同的器官组织实现同步突出显示。

9、在一些可选的实施方式中，所述ct图像的预处理包括但不限于裁剪为相同尺寸、降噪、重采样和增强对比度。

10、在一些可选的实施方式中，所述分类cnn模型基于resnet50的网络结构构成，具体包括：独立卷积层a、残差块和全连接层；其中：

11、所述残差块包括4个，每一个所述残差块由多个相同的基本残差块堆叠而成， 4个所述残差块依次包含了3个、4个、6个和4个所述基本残差块，每一个所述基本残差块均包含了3个卷积层，具体为2个卷积层b和1个卷积层c，顺序依次为卷积层b、卷积层c、卷积层b，每一个所述卷积层后均连接一个批标准化层和一个relu激活层，

12、所述独立卷积层a后通过最大池化层与4个所述残差块连接，相邻两个所述残差块之间采用残差连接的方式，最后一个所述残差块与消息全连接层之间通过平均池化层连接，

13、所述全连接层的输出为2*1的向量，代表图像识别和分类的结果，最后通过softmax层将向量转化为预测概率；所述预测概率为0到1之间的小数。

14、在一些可选的实施方式中，所述cnn模型识别结果通过的canny边缘检测算法，提取器官组织外边缘信息，根据边缘信息将识别出的器官组织边缘进行框选，并对识别出的器官组织进行名称标识。

15、在一些可选的实施方式中，所述名称标识位于ct图像边缘处，通过箭头指向对应的器官组织，医生通过点击器官组织区域或名称标识进行区域选择，再次点击则取消选择。

16、在一些可选的实施方式中，所述cnn模型对病变的器官组织区域出现无法识别时，所述cnn模型先对没有识别出的区域进行空白标识，医生对所述空白标识进行补充，同时对器官组织的边缘进行复核和修改，最后将补充和修改的ct图像返回cnn训练集和验证集，得到cnn模型补充和修正。

17、在一些可选的实施方式中，所述器官组织突出显示包括选择的器官组织相对未选择的器官组织的亮度提高处理，所述器官组织突出显示还包括未选择的器官组织相对选择的器官组织的亮度降低处理或虚化处理或隐藏处理。

18、在一些可选的实施方式中，所述cnn模型输出对器官组织区域的识别概率，所述识别概率的范围包括第一识别范围、第二识别范围和第三识别范围；所述第一识别范围的下限大于或等于第一识别阈值；所述第二识别范围的上限小于第一识别阈值，所述第二识别范围的下限大于或等于第二识别阈值；所述第三识别范围的上限小于第二识别阈值；

19、基于所述识别概率范围对应所述cnn模型输出对器官组织区域识别结果的推送策略，推送所述器官组织区域识别结果的步骤，包括：

20、所述cnn模型输出对器官组织区域的识别概率在所述第一识别范围时，对所述器官组织区域进行名称标识，输出所述器官组织的确认识别结果；

21、所述cnn模型输出对器官组织区域的识别概率在所述第二识别范围时，对所述器官组织区域进行名称标识，输出所述器官组织的待确认识别结果；

22、所述cnn模型输出对器官组织区域的识别概率在所述第三识别范围时，对所述器官组织区域进行空白名称标识，输出对所述空白标识进行标识补充的通知。

23、在本技术的第二方面，提供一种ct图像的多图层级联成像装置，所述装置包括：

24、图像采集模块：获取人体ct图像，所述ct图像包括带有器官组织名称标识的人体ct图像和待识别人体的ct图像；

25、图像处理模块：对带有器官组织名称标识的人体所述ct图像的多个图层进行预处理，形成数据集，所述数据集包括截取的所述器官组织图像以及对应的名称标识；

26、模型训练模块：将数据集分为训练集和验证集，所述训练集和验证集用于训练分类cnn模型，

27、图像识别模块：利用训练好的分类cnn模型对待识别人体的ct图像进行各器官组织的识别；

28、识别显示模块：得到ct图像中各器官组织的识别结果，并按照识别结果进行各器官组织的区域划分，选择其中的器官组织，使被选择的器官组织区域相对未被选择的器官组织区域突出显示。

29、在一些可选的实施方式中，所述图像识别模块对待识别人体的ct图像进行各器官组织的识别后，所述装置还包括：

30、图层识别模块：利用所述分类cnn模型对每一图层的ct图像进行各器官组织的识别；

31、级联处理模块：识别完成后对全部图层中各相同的器官组织进行级联处理；

32、级联显示模块：所述级联处理使医生对其中一个图层中的器官组织进行选择时，其余图层中相同的器官组织实现同步突出显示。

33、在一些可选的实施方式中，还包括：

34、边缘框选模块：所述cnn模型识别结果通过的canny边缘检测算法，提取器官组织外边缘信息，根据边缘信息将识别出的器官组织边缘进行框选，并对识别出的器官组织进行名称标识。

35、在一些可选的实施方式中，边缘框选模块对识别出的器官组织进行名称标识后，还包括：

36、边缘标识模块：所述名称标识位于ct图像边缘处，通过箭头指向对应的器官组织，通过点击器官组织区域或名称标识进行区域选择，再次点击则取消选择。

37、在一些可选的实施方式中，所述分类cnn模型基于resnet50的网络结构构成，具体包括：独立卷积层a、残差块和全连接层；其中：

38、所述残差块包括4个，每一个所述残差块由多个相同的基本残差块堆叠而成， 4个所述残差块依次包含了3个、4个、6个和4个所述基本残差块，每一个所述基本残差块均包含了3个卷积层，具体为2个卷积层b和1个卷积层c，顺序依次为卷积层b、卷积层c、卷积层b，每一个所述卷积层后均连接一个批标准化层和一个relu激活层，

39、所述独立卷积层a后通过最大池化层与4个所述残差块连接，相邻两个所述残差块之间采用残差连接的方式，最后一个所述残差块与消息全连接层之间通过平均池化层连接，

40、所述全连接层的输出为2*1的向量，代表图像识别和分类的结果，最后通过softmax层将向量转化为预测概率；所述预测概率为0到1之间的小数。

41、在一些可选的实施方式中，还包括：

42、补充修正模块：所述cnn模型对病变的器官组织区域出现无法识别时，所述cnn模型先对没有识别出的区域进行空白标识，对所述空白标识进行补充，同时对器官组织的边缘进行复核和修改，最后将补充和修改的ct图像返回cnn训练集和验证集，得到cnn模型补充和修正。

43、在一些可选的实施方式中，所述器官组织突出显示包括选择的器官组织相对未选择的器官组织的亮度提高处理，所述器官组织突出显示还包括未选择的器官组织相对选择的器官组织的亮度降低处理或虚化处理或隐藏处理。

44、在一些可选的实施方式中，还包括识别概率推送模块，所述识别概率推送模块在所述cnn模型输出对器官组织区域的识别概率，所述识别概率的范围包括第一识别范围、第二识别范围和第三识别范围；所述第一识别范围的下限大于或等于第一识别阈值；所述第二识别范围的上限小于第一识别阈值，所述第二识别范围的下限大于或等于第二识别阈值；所述第三识别范围的上限小于第二识别阈值：

45、所述识别概率推送模块基于所述识别概率范围对应所述cnn模型输出对器官组织区域识别结果的推送策略，推送所述器官组织区域识别结果的步骤，所述识别概率推送模块包括：

46、第一信息推送单元：用于所述cnn模型输出对器官组织区域的识别概率在所述第一识别范围时，对所述器官组织区域进行名称标识，输出所述器官组织的确认识别结果；

47、第二信息推送单元：用于所述cnn模型输出对器官组织区域的识别概率在所述第二识别范围时，对所述器官组织区域进行名称标识，输出所述器官组织的待确认识别结果；

48、第三信息推送单元：用于所述cnn模型输出对器官组织区域的识别概率在所述第三识别范围时，对所述器官组织区域进行空白名称标识，输出对所述空白标识进行标识补充的通知。

49、本技术具有以下有益效果：

50、在本技术的实施方式中采集现有带有名称标识的ct图像，并转化为数据集，获取待识别的人体ct图像，通过cnn模型与数据集中的ct图像进行对比识别，识别完成后对待识别人体ct图像中的器官组织进行区域划分，医生通过选择其中的器官组织，使被选择的器官组织区域相对未被选择的器官组织区域突出显示，有效帮助医生更容易更准确的查看可能患病的区域，同时避免医生通过主观辨认器官组织时出现的主观辨别错误，同时对所有图层中相同的器官组织进行级联处理，使医生对其中一个图层中的器官组织进行选择时，其余图层中相同的器官组织实现同步突出显示，医生切换不同图层查看相同器官组织区域时，可以节省医生再次选择使器官组织突出显示的时间，当所有图层在同一显示区域显示时，可以使被选择区域在所有图层中同步突出显示，使医生查看更方便；最后对识别完成的待识别人体ct图像识别完成，通过医生对cnn模型无法识别区域的所述空白标识进行补充，同时对器官组织的边缘进行复核和修改，最后将补充和修改的ct图像返回cnn训练集和验证集，得到cnn模型补充和修正，使之对ct图像的识别更为准确，甚至可以根据医生名称标识和病症标识内容，直接对后续待识别人体ct图像中可能存在的疑似病症。