一种基于肝部CT影像的病灶分割装置的制作方法

本发明属于ct影像处理装置，尤其涉及一种基于肝部ct影像的病灶分割装置。

背景技术：

1、原发性肝癌(以下简称肝癌)是目前我国第四位常见的恶性肿瘤，严重威胁我国人民的生命健康，其病理类型以肝细胞肝癌最为常见，好发于慢性病毒性肝炎和肝硬化背景，我们常将患有上述疾病的患者归类到肝癌高风险人群，肝癌早期患者可从以手术切除为主的多种根治性治疗中获益，因此早发现、早治疗是改善肝癌患者预后的重要手段，目前医学影像检查已成为一种常规评估方案参与到肝癌高风险人群的医学管理中，为肝癌的早期发现提供帮助。医学影像的核心是图像，从图像的产生到使用，每一个环节都对医学影像在肝癌高风险人群的评估应用产生影响。

2、医学影像检查是图像产生的环节，随着科技进步，ct和mr的设备功能在肝癌成像方面得到极大提升，如能对物质进行鉴别的能谱ct，能对组织功能进行量化的多种功能性mr成像序列，以及肝胆细胞特异性造影剂的使用，但随之而来的是操作的复杂化与个性化，这对扫描设备操作者——放射科技师提出了更高要求：序列参数的设置、扫描时相的选择、特殊对比剂的使用方式、图像后处理方法等都会影响图像质量。

3、目前，患者在拍摄肝部ct影像后，通过医生肉眼对肝部ct影像进行病灶识别，由于大多数患者的肝部ct影像中大部分的区域都是健康区域，仅有少部分区域属于病灶区域，而且现在由于患者较多，如果仅仅通过医生进行肉眼识别，需要对肝部ct影像的整个区域进行识别，需要耗费大量的时间和精力，导致工作效率很低。

4、因此，如何基于现有的肝部ct影像进行病灶区域分割，是目前亟需解决的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于肝部ct影像的病灶分割装置，用以解决目前通过医生在进行肝部ct影像识别病灶过程中工作效率比较低的技术问题。

2、为解决上述技术问题，本发明采用的技术方案如下：

3、一种基于肝部ct影像的病灶分割装置，包括预处理模块、分割模型建立模块、训练模块和分割模块；所述预处理模块与所述分割模块连接，所述分割模型建立模块与所述训练模块连接，所述训练模块与分割模块连接；

4、所述预处理模块用于对待分割ct影像进行预处理；

5、所述分割模型建立模块用于建立ct影像病灶区域分割模型；

6、所述训练模块用于利用大量的已经标注肝部病灶的ct影像对所述ct影像病灶区域分割模型进行训练；

7、所述分割模块用于利用训练后的ct影像病灶区域分割模型对预处理后的待分割ct影像进行肝部和病灶区域分割；

8、所述分割模块基于deeplabv3+语义分割模型结构，并选用xception神经网络作为主干网络；

9、所述xception神经网络设置三个部分，包括entry flow、middle flow和exitflow；

10、其中，在entry flow中使用深度可分离卷积获取图像的浅层信息，并使用步长为2的深度可分离卷积代替传统网络中的池化层；

11、在middle flow中使用更多的卷积以获取图像特征；

12、在exit flow中最终输出通道数为2048，步幅为16的特征图；

13、所述分割模块采用encoder-decoder结构，在decoder中对特征图使用三线性插值并与encoder中具有相同分辨率的特征图通过[1*1]卷积调整通道后进行特征拼接，最后经过一层[3*3]的卷积后进行上采样得到最终的分割结果。

14、优选的，所述预处理模块将肝部ct影像重采样至5毫米体素间距，设置网络输入大小为[128*128*100]mm，同时将ct影像调整为肝窗窗宽窗位，将通道数调整至符合网络输入格式。

15、优选的，所述预处理模块将肝窗的窗宽设置为150hu，窗位设置为30hu。

16、优选的，输入已经标注肝部病灶的ct影像先经过xception神经网络进行深层特征的提取，再通过解码器将浅层特征与深层特征进行结合。

17、优选的，对ct影像病灶区域分割模型进行训练时，使用focalloss作为损失函数，首先对真实值进行one-hot编码，再使用focalloss损失函数计算预测值与真实值间的损失。

18、优选的，focalloss损失函数公式如下：

19、l＝-∑yi*logpi

20、其中y表示真实值，pi表示预测值，之后计算focalloss损失，focalloss损失公式如下：

21、fl＝-(1-pt)γ*celoss

22、其中：

23、pt＝x*yi+(1-x)*yi

24、其中，x表示预测值，y表示真实值，γ为常数，celoss为交叉熵损失。

25、优选的，先通过预处理模块对肝部ct影像进行预处理，将肝部ct影像重采样至5毫米体素间距，设置网络输入大小为[128*128*100]mm，同时将ct影像调整为肝窗窗宽窗位，将通道数调整至符合网络输入格式；再利用分割模型建立模块建立ct影像病灶区域分割模型；再获取指定数量的已经标注肝部病灶的ct影像，通过训练模块对所述指定数量的已经标注肝部病灶的ct影像对所述ct影像病灶区域分割模型进行训练；然后分割模块利用训练后的ct影像病灶区域分割模型对预处理后的待分割ct影像进行肝部和病灶区域分割；并输出肝部和病灶区域分割结果。

26、优选的，所述训练模块对ct影像病灶区域分割模型进行训练时，首先在entryflow中使用深度可分离卷积获取图像的浅层信息，并使用步长为2的深度可分离卷积代替传统网络中的池化层；然后在middle flow中使用多个卷积获取ct影像中肝部图像特征，在exit flow中最终输出通道数为2048，步幅为16的特征图；在decoder中对特征图使用三线性插值并与encoder中具有相同分辨率的特征图，再通过[1*1]卷积调整通道后进行特征拼接，最后经过一层[3*3]的卷积后进行上采样得到最终的ct影像病灶区域的分割结果。

27、本发明的有益效果包括：

28、本发明提供的基于肝部ct影像的病灶分割装置，预处理模块对肝部ct影像进行预处理；分割模型建立模块建立ct影像病灶区域分割模型，再通过训练模块对ct影像病灶区域分割模型进行训练；最后通过分割模块利用训练后的ct影像病灶区域分割模型对预处理后的肝部ct影像进行肝部和病灶区域的分割。通过对肝部ct影像进行预处理以将ct影像调整至合适的尺寸和对比度，ct影像病灶区域分割模型训练的过程中使用3d卷积代替2d卷积以保留切片间的联系，使用[3*3]的深度可分离卷积进行特征的提取，并使用[1*1]卷积进行特征的融合及通道数的调整，有效提升了对ct影像中病灶区域分割的准确性，并提高了医生的工作效率。

1.一种基于肝部ct影像的病灶分割装置，其特征在于，包括预处理模块、分割模型建立模块、训练模块和分割模块；所述预处理模块与所述分割模块连接，所述分割模型建立模块与所述训练模块连接，所述训练模块与分割模块连接；

2.根据权利要求1所述的一种基于肝部ct影像的病灶分割装置，其特征在于，所述预处理模块将肝部ct影像重采样至5毫米体素间距，设置网络输入大小为[128*128*100]mm，同时将ct影像调整为肝窗窗宽窗位，将通道数调整至符合网络输入格式。

3.根据权利要求2所述的一种基于肝部ct影像的病灶分割装置，其特征在于，所述预处理模块将肝窗的窗宽设置为150hu，窗位设置为30hu。

4.根据权利要求1所述的一种基于肝部ct影像的病灶分割装置，其特征在于，输入已经标注肝部病灶的ct影像先经过xception神经网络进行深层特征的提取，再通过解码器将浅层特征与深层特征进行结合。

5.根据权利要求4所述的一种基于肝部ct影像的病灶分割装置，其特征在于，所述训练模块对ct影像病灶区域分割模型进行训练时，使用focalloss作为损失函数，首先对真实值进行one-hot编码，再使用focalloss损失函数计算预测值与真实值间的损失。

6.根据权利要求5所述的一种基于肝部ct影像的病灶分割装置，其特征在于，focalloss损失函数公式如下：

7.根据权利要求1所述的一种基于肝部ct影像的病灶分割装置，其特征在于，先通过预处理模块对肝部ct影像进行预处理，将肝部ct影像重采样至5毫米体素间距，设置网络输入大小为[128*128*100]mm，同时将ct影像调整为肝窗窗宽窗位，将通道数调整至符合网络输入格式；再利用分割模型建立模块建立ct影像病灶区域分割模型；再获取指定数量的已经标注肝部病灶的ct影像，通过训练模块对所述指定数量的已经标注肝部病灶的ct影像对所述ct影像病灶区域分割模型进行训练；然后分割模块利用训练后的ct影像病灶区域分割模型对预处理后的待分割ct影像进行肝部和病灶区域分割；并输出肝部和病灶区域分割结果。

8.根据权利要求7所述的一种基于肝部ct影像的病灶分割装置，其特征在于，所述训练模块对ct影像病灶区域分割模型进行训练时，首先在entry flow中使用深度可分离卷积获取图像的浅层信息，并使用步长为2的深度可分离卷积代替传统网络中的池化层；然后在middle flow中使用多个卷积获取ct影像中肝部图像特征，在exit flow中最终输出通道数为2048，步幅为16的特征图；在decoder中对特征图使用三线性插值并与encoder中具有相同分辨率的特征图，再通过[1*1]卷积调整通道后进行特征拼接，最后经过一层[3*3]的卷积后进行上采样得到最终的ct影像病灶区域的分割结果。