一种获取CT影像高分辨率高精度分割结果的方法与流程

本发明涉及医疗器械，具体涉及一种获取ct影像高分辨率高精度分割结果的方法。

背景技术：

1、髋关节置换手术是治疗退行性髋关节疾病，提高患者生活质量最有效的方法之一，随着中国人口老龄化问题凸显，髋关节置换手术的现实意义更加显著。成功的髋关节置换手术依赖于准确、完备、详尽的手术规划方案，而髋骨股骨的分割结果可以实现骨骼可视化和用于术中配准，因此实现高分辨率高精度的分割结果是非常具有工程意义的。

2、医学影像往往包含较少类别的组织，且场景单一，特定类别的组织结构相对固定，使得分割任务相对不那么复杂，但分辨率高的ct影像往往尺寸比较大，医学严谨性要求分割细节要精确。目前分割任务有几大痛点：一是相对分类任务和检测任务，内存占用过高；二是精确度的问题：由于内存的限制，无法获取高分辨率的输入数据；三是由于神经网络结构的原因，使得分割结果是对高度抽象后的语义信息的再还原，往往没有再次结合原始分辨率影像提供的有效信息，因此现有技术方案难以实现高分辨率高精度的分割结果。

技术实现思路

1、本发明的目的在于解决上述背景技术中描述的现有技术方案的缺点，提供一种获取ct影像高分辨率高精度分割结果的方法，一方面从根本上减少了对内存的需求；另一方面充分利用了原始分辨率ct影像提供的有效信息，得到了高分辨率高精度的分割结果。

2、本发明通过以下技术方案予以实现：一种获取ct影像高分辨率高精度分割结果的方法，包括以下步骤：

3、输入高分辨率ct影像，并进行预处理；

4、将预处理后的ct影像通过特征提取主干网络得到粗糙轮廓的分割结果；

5、将粗糙轮廓的分割结果与经过卷积后的ct影像特征图组合到一起，输入到分割子网络，得到高分辨率高精度的分割结果。

6、进一步地，所述进行预处理包括：将所述输入的高分辨率ct影像进行降采样。

7、进一步地，所述将预处理后的ct影像通过特征提取主干网络得到粗糙轮廓的分割结果，包括：

8、所述特征提取主干网络采用卷积网络结构；

9、将预处理后的ct影像通过所述特征提取主干网络，利用卷积网络强大的特征提取能力，在小尺度强语义ct影像特征图上获取骨骼的大致轮廓特征图；

10、将所述骨骼的大致轮廓特征图直接线性采样到与原始ct影像分辨率一致，得到粗糙轮廓的分割结果。

11、进一步地，所述对ct影像进行平滑采用conv+bn+relu的卷积模型结构，其中卷积核大小为3，步长为1，通道数为1。

12、进一步地，所述分割子网络由4个卷积模块组成。

13、进一步地，所述4个卷积模块分别为：

14、conv+bn+relu的卷积层，其中卷积核大小为3，步长为1；

15、conv+bn+relu的卷积层，其中卷积核大小为3，步长为1；

16、conv+bn+relu的卷积层，其中卷积核大小为3，步长为1；

17、conv+bn+relu的卷积层，其中卷积核大小为1，步长为1。

18、本发明提供了一种获取ct影像高分辨率高精度分割结果的方法，所述方法不追求神经网络直接输出更精细的分割结果，相反，利用卷积网络强大的特征提取能力，在小尺度强语义ct影像特征图上获取骨骼的大致轮廓特征图，将其直接线性采样到与原始ct分辨率一致，得到粗糙轮廓的分割结果，接着与经过平滑卷积后的特征图组合到一起，后接4个卷积模块作为高分辨率的分割结果输出。与现有技术方案相比较，本发明所述方法一方面有效利用了大尺度高分辨率ct影像的输出，从根本上减少了对内存的需求；另一方面充分利用了原始分辨率ct影像提供的有效信息，在获得低分辨率高抽象的语义分割特征图后，对其上采样至与原始输入同样的大小，将两者堆叠作为分割子网络的输入，得到了高分辨率高精度的分割结果。

技术特征：

1.一种获取ct影像高分辨率高精度分割结果的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种获取ct影像高分辨率高精度分割结果的方法，其特征在于，s101中所述进行预处理包括：

3.根据权利要求1所述的一种获取ct影像高分辨率高精度分割结果的方法，其特征在于，s102中所述将预处理后的ct影像通过特征提取主干网络得到粗糙轮廓的分割结果，包括：

4.根据权利要求1所述的一种获取ct影像高分辨率高精度分割结果的方法，其特征在于，s103中所述对ct影像进行平滑采用conv+bn+relu的卷积模型结构，其中卷积核大小为3，步长为1，通道数为1。

5.根据权利要求1所述的一种获取ct影像高分辨率高精度分割结果的方法，其特征在于，s103中所述分割子网络由4个卷积模块组成。

6.根据权利要求5所述的一种获取ct影像高分辨率高精度分割结果的方法，其特征在于，所述4个卷积模块分别为：

技术总结
本发明提供了一种获取CT影像高分辨率高精度分割结果的方法，所述方法不追求神经网络直接输出更精细的分割结果，相反，利用卷积网络强大的特征提取能力，在小尺度强语义CT影像特征图上获取骨骼的大致轮廓特征图，将其直接线性采样到与原始CT分辨率一致，得到粗糙轮廓的分割结果，接着与经过第一层卷积后的特征图组合到一起，后接4个卷积模块作为高分辨率的分割结果输出。与现有技术方案相比较，本发明所述方法一方面有效利用了大尺度高分辨率CT影像的输出，从根本上减少了对内存的需求；另一方面充分利用了原始分辨率CT影像提供的有效信息，得到了高分辨率高精度的分割结果。

技术研发人员：丁玉国,翟方文,乔天
受保护的技术使用者：杭州键嘉医疗科技股份有限公司
技术研发日：
技术公布日：2024/7/4