基于CT图像的肝部模型及残肝占比自动生成系统及方法

本公开属于医疗，尤其涉及一种基于ct图像的肝部模型及残肝占比自动生成系统及方法。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、肝脏解剖结构复杂、血管丰富、血管变异多见，肝组织质脆、易出血，较晚期肝癌肿瘤与重要血管及胆管紧密粘连，使肝脏切除手术难度加大。现有的多层螺旋ct重建的肝脏是一组多张独立的二维图像，二维断层图像由于测量指示点选择受限、单一层面评估、图像不清晰等问题，不利于医生精准测量数据和精准诊断病情。发明人发现，经验丰富的外科医生能通过二维ct图像能大致推算出病灶大小、形状、及位置，这种诊断方式会存在主观判断误差，对肝脏手术治疗造成不利的影像。有少部分的外科医生会通过计算机三维重建技术来制定手术设计方案，这种方法需要手动进行图像分割标记肝脏、病灶、残肝等区域，需要大量的人工干预和专业知识，比较耗时耗力；同时，肝脏手术切除病灶的过程中，肝脏切除的组织需要保证残肝占比≥40％，才能够维持肝脏的再生功能和正常的肝功能运作，所以残肝占比对临床医生有着非常实用的临床价值依据；临床医生不能通过患者的二维的ct图像准确的知道肝脏的体积，需要结合摄像系统经繁琐的计算得到肝脏的体积值，运用残肝占比标准计算公式人工计算得出结果，比较耗时。

技术实现思路

1、本公开为了解决上述问题，提供了一种基于ct图像的肝部模型及残肝占比自动生成系统及方法，所述方案能够实现肝部ct图像自动生成三维模型，辅助临床医生进行诊断，更直观的观察病灶与血管、肝脏的关系，帮助临床医生提升工作效率和诊疗准确率；同时，所述方案能够基于待切除肝段区域自动生成残肝占比，为手术方案的可行性提供了可靠的数据分析，规避了一定的手术风险，提高手术成功率。

2、根据本公开实施例的第一个方面，提供了一种基于ct图像的肝部模型及残肝占比自动生成系统，包括：

3、数据获取单元，其用于获取待测人员腹部ct图像序列，并进行相应预处理；

4、腹部掩膜范围提取单元，其用于利用预先训练的基于神经网络的全腹脏器分割模型对获得的ct图像序列进行肝部及其周边的掩膜提取，获得肝脏区域以及肝脏周边区域；

5、肝脏分段与病变标定单元，其用于基于couinaud八段分区法对肝脏区域进行分段，同时标定病变区域；

6、肝部模型及残肝占比自动生成单元，其用于基于获得的肝部及其周边的掩膜结果，以及肝脏区域的分段和标定结果，生成基于三角网格的肝部模型并进行显示；同时，基于肝脏区域三角网格所构成四面体的体积之和以及待切除肝段区域三角网格所构成四面体的体积之和，获得残肝占比。

7、进一步的，所述基于神经网络的全腹脏器分割模型，具体采用nnunet神经网络模型，该模型以静脉期ct图像作为输入，并输出六分类的三维掩膜数据，其中，所述六分类包括肝脏、胆囊、肝静脉、肝动脉、肝门静脉以及胆总管。

8、进一步的，所述基于神经网络的全腹脏器分割模型的训练，具体为：预先获取若干腹部ct图像序列；对腹部ct图像序列中的ct图像进行相应预处理，并对ct图像中的肝脏、胆囊、肝静脉、肝动脉、肝门静脉以及胆总管位置进行阈值分割标注；以标注后的腹部ct图像序列按照预设比例划分为训练集和测试集，通过训练集中的样本对基于神经网络的全腹脏器分割模型进行训练，获得训练好的全腹脏器分割模型。

9、进一步的，所述获得肝脏区域以及肝脏周边区域，具体为：对待测人员腹部ct图像序列中每层ct图像在全腹脏器分割模型的输出结果进行合并，获得三维掩膜数据；基于三维掩膜数据，对各类别对应的掩膜标记所有连通域，取具有最大连通域的各类别掩膜作为各类别对应的区域，获得肝脏区域以及肝脏周边区域。

10、进一步的，所述生成基于三角网格的肝部模型，具体为：获取全腹脏器分割模型输出的掩膜数据，获得掩膜图像；对掩膜图像进行形态学膨胀操作，并基于曲面生成算法生成模型曲面；对生成的模型曲面进行相应预处理后，生成模型表面的三角网格数据；基于获得的三角网格数据，生成肝部模型，同时，基于掩膜数据的类别对肝部模型进行颜色区分。

11、进一步的，所述对生成的模型曲面进行相应预处理，包括对模型曲面的平滑操作以及对平滑操作后的数据进行填补孔洞操作。

12、进一步的，所述标定病变区域，具体为：根据ct图像和影像诊断报告，对肝脏内部的病变区域进行定位。

13、根据本公开实施例的第二个方面，提供了一种基于ct图像的肝部模型及残肝占比自动生成方法，包括：

14、获取待测人员腹部ct图像序列，并进行相应预处理；

15、利用预先训练的基于神经网络的全腹脏器分割模型对获得的ct图像序列进行肝部及其周边的掩膜提取，获得肝脏区域以及肝脏周边区域；

16、基于couinaud八段分区法对肝脏区域进行分段，同时标定病变区域；

17、基于获得的肝部及其周边的掩膜结果，以及肝脏区域的分段和标定结果，生成基于三角网格的肝部模型并进行显示；同时，基于肝脏区域三角网格所构成四面体的体积之和以及待切除肝段区域三角网格所构成四面体的体积之和，获得残肝占比。

18、根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于ct图像的肝部模型及残肝占比自动生成方法。

19、根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于ct图像的肝部模型及残肝占比自动生成方法。

20、与现有技术相比，本公开的有益效果是：

21、(1)本公开提供了一种基于ct图像的肝部模型及残肝占比自动生成系统及方法，所述方案能够实现肝部ct图像自动生成三维模型，辅助临床医生进行诊断，更直观的观察病灶与血管、肝脏的关系，精准计算肝脏与肿瘤的体积大小。帮助临床医生提升工作效率和诊疗准确率，能够实现双重审核，避免漏检导致医疗纠纷，提升医院口碑；

22、(2)所述方案提供的自动生成肝部模型和评估残肝占比的功能经过大量的训练和验证，具有一定的鲁棒性，系统可以自动适应不同的病例和图像特征，提供更可靠的分析结果；

23、(3)所述方案能够基于待切除肝段区域自动生成残肝占比,为手术方案的可行性提供了可靠的数据分析，规避了一定的手术风险，提高手术成功率。

24、本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

技术特征：

1.一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，包括：

2.如权利要求1所述的一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，所述基于神经网络的全腹脏器分割模型，具体采用nnunet神经网络模型，该模型以静脉期ct图像作为输入，并输出六分类的三维掩膜数据，其中，所述六分类包括肝脏、胆囊、肝静脉、肝动脉、肝门静脉以及胆总管。

3.如权利要求1所述的一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，所述基于神经网络的全腹脏器分割模型的训练，具体为：预先获取若干腹部ct图像序列；对腹部ct图像序列中的ct图像进行相应预处理，并对ct图像中的肝脏、胆囊、肝静脉、肝动脉、肝门静脉以及胆总管位置进行阈值分割标注；以标注后的腹部ct图像序列按照预设比例划分为训练集和测试集，通过训练集中的样本对基于神经网络的全腹脏器分割模型进行训练，获得训练好的全腹脏器分割模型。

4.如权利要求1所述的一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，所述获得肝脏区域以及肝脏周边区域，具体为：对待测人员腹部ct图像序列中每层ct图像在全腹脏器分割模型的输出结果进行合并，获得三维掩膜数据；基于三维掩膜数据，对各类别对应的掩膜标记所有连通域，取具有最大连通域的各类别掩膜作为各类别对应的区域，获得肝脏区域以及肝脏周边区域。

5.如权利要求1所述的一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，所述生成基于三角网格的肝部模型，具体为：获取全腹脏器分割模型输出的掩膜数据，获得掩膜图像；对掩膜图像进行形态学膨胀操作，并基于曲面生成算法生成模型曲面；对生成的模型曲面进行相应预处理后，生成模型表面的三角网格数据；基于获得的三角网格数据，生成肝部模型，同时，基于掩膜数据的类别对肝部模型进行颜色区分。

6.如权利要求5所述的一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，所述对生成的模型曲面进行相应预处理，包括对模型曲面的平滑操作以及对平滑操作后的数据进行填补孔洞操作。

7.如权利要求1所述的一种基于ct图像的肝部模型及残肝占比自动生成系统，其特征在于，所述标定病变区域，具体为：根据ct图像和影像诊断报告，对肝脏内部的病变区域进行定位。

8.一种基于ct图像的肝部模型及残肝占比自动生成方法，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求8所述的一种基于ct图像的肝部模型及残肝占比自动生成方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求8所述的一种基于ct图像的肝部模型及残肝占比自动生成方法。

技术总结
本公开提供了一种基于CT图像的肝部模型及残肝占比自动生成系统及方法，所述方案包括：获取待测人员腹部CT图像序列，并进行相应预处理；利用预先训练的基于神经网络的全腹脏器分割模型对获得的CT图像序列进行肝部及其周边的掩膜提取，获得肝脏区域以及肝脏周边区域；基于Couinaud八段分区法对肝脏区域进行分段，同时标定病变区域；基于获得的肝部及其周边的掩膜结果，以及肝脏区域的分段和标定结果，生成基于三角网格的肝部模型并进行显示；同时，基于肝脏区域三角网格所构成四面体的体积之和以及待切除肝段区域三角网格所构成四面体的体积之和，获得残肝占比。

技术研发人员：刘恩宇,于德新,樊昭磊,汤静,尚永生,王奔,胡春晓,齐亚飞,韩晓宇
受保护的技术使用者：山东大学齐鲁医院
技术研发日：
技术公布日：2024/5/19