(19)國(guó)家知識(shí)產(chǎn)權(quán)局灝一支路42號(hào)限公司51309GO6T7/00(201GO6T7/90(201一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法體涉及一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注獲取每個(gè)非腸壁截面區(qū)域中每個(gè)像素點(diǎn)的異常癌變導(dǎo)致腸壁表面的紋理及腸壁截面的形態(tài)發(fā)21.一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征獲取CT影像中結(jié)腸組織區(qū)域內(nèi)的所有腸壁截面區(qū)域及所有非腸壁截面區(qū)域；根據(jù)每個(gè)所述非腸壁截面區(qū)域的形狀特征，獲取每個(gè)所述非腸壁截面區(qū)域在所述腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段；在每個(gè)所述非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的局部灰度變化及對(duì)應(yīng)所述腸壁段的形狀特征，獲取每個(gè)像素點(diǎn)的異常指數(shù)；基于每個(gè)像素點(diǎn)的所述異常指數(shù)及分布特征，將所有非腸壁截面區(qū)域內(nèi)的所有像素點(diǎn)聚類，獲取所有病灶子區(qū)域；根據(jù)每個(gè)所述病灶子區(qū)域內(nèi)每個(gè)像素點(diǎn)的所述異常指數(shù)，及所述病灶子區(qū)域的邊界規(guī)則情況，獲取每個(gè)所述病灶子區(qū)域的病灶得分；根據(jù)不同所述病灶子區(qū)域之間的空間距離及面積差異，結(jié)合所述病灶得分之間的差異，合并不同病灶子區(qū)域，獲取所有病灶區(qū)域；根據(jù)每個(gè)所述病灶區(qū)域內(nèi)所有所述病灶子區(qū)域的所述病灶得分，從所有所述病灶區(qū)域內(nèi)篩選出待標(biāo)記病灶區(qū)域并標(biāo)注。2.根據(jù)權(quán)利要求1所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述腸壁段的獲取方法包括：在每個(gè)所述非腸壁截面區(qū)域的區(qū)域邊界上，將距離最遠(yuǎn)的兩個(gè)邊界像素點(diǎn)作為目標(biāo)像素點(diǎn)；以CT影像的中心為射線起點(diǎn)，分別過(guò)每個(gè)所述目標(biāo)像素點(diǎn)做射線，將兩條所述射線與所述腸壁截面區(qū)域相交所得兩個(gè)線段之間的腸壁截面子區(qū)域，作為每個(gè)所述非腸壁截面區(qū)域在所述腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段。3.根據(jù)權(quán)利要求2所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述異常指數(shù)的獲取方法包括：在每個(gè)所述非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的灰度值相對(duì)平均水平的偏差，結(jié)合每個(gè)像素點(diǎn)的所有鄰域像素點(diǎn)的灰度值，獲取每個(gè)像素點(diǎn)的灰度異常系數(shù)；根據(jù)每個(gè)所述非腸壁截面區(qū)域?qū)?yīng)所述腸壁段的寬度及邊界規(guī)則情況，獲取每個(gè)所述非腸壁截面區(qū)域?qū)?yīng)所述腸壁段的形態(tài)異常系數(shù)；根據(jù)每個(gè)像素點(diǎn)的所述灰度異常系數(shù)，及每個(gè)像素點(diǎn)所在腸壁段的所述形態(tài)異常系4.根據(jù)權(quán)利要求3所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述灰度異常系數(shù)的獲取方法包括：將每個(gè)像素點(diǎn)的灰度值與所有所述非腸壁截面區(qū)域內(nèi)像素點(diǎn)的灰度值均值的比值，作為第一灰度異常參數(shù)；將每個(gè)像素點(diǎn)的八鄰域內(nèi)所有像素點(diǎn)的灰度值的方差，作為第二灰度異常參數(shù)；融合所述第一灰度異常參數(shù)及所述第二灰度異常參數(shù)，獲取對(duì)應(yīng)像素點(diǎn)的灰度異常系5.根據(jù)權(quán)利要求3所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述寬度的獲取方法包括：在每個(gè)所述腸壁段中，將兩條所述射線分別與所述腸壁截面區(qū)域首次相交的兩個(gè)邊界像素點(diǎn)，作為所述腸壁段中的內(nèi)壁邊界角點(diǎn)；將兩個(gè)所述內(nèi)壁邊界角點(diǎn)之間的所有邊界像素點(diǎn)構(gòu)成邊界作為所述腸壁段的內(nèi)壁邊界；以CT影像的中心為射線起點(diǎn)，分別過(guò)所述內(nèi)壁邊界上的每個(gè)邊界像素點(diǎn)做射線，將每3條射線作為參考射線；將每條所述參考射線與所述腸壁段相交的線段長(zhǎng)度，作為對(duì)應(yīng)所述腸壁段的所有參考寬度，將所有參考寬度的均值作為所述腸壁段的寬度。6.根據(jù)權(quán)利要求5所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述形態(tài)異常系數(shù)的獲取方法包括：將每個(gè)所述腸壁段的所述寬度，與所有所述腸壁段的所述寬度的均值的比值，作為寬度偏差參數(shù)；將每個(gè)所述腸壁段的所有所述參考寬度的方差，作為寬度波動(dòng)參數(shù)；融合所述寬度偏差參數(shù)及所述寬度波動(dòng)參數(shù)，獲取第一形態(tài)異常參數(shù)；在每個(gè)所述腸壁段中，以任一所述內(nèi)壁邊界角點(diǎn)為起點(diǎn)，獲取所述內(nèi)壁邊界的鏈碼；將所述鏈碼中所有相鄰鏈碼值之間的差值絕對(duì)值之和作為內(nèi)壁不規(guī)則指數(shù)；將所述內(nèi)壁邊界的長(zhǎng)度的負(fù)相關(guān)映射結(jié)果作為所述內(nèi)壁不規(guī)則指數(shù)的加權(quán)權(quán)重，將加權(quán)結(jié)果作為第二形態(tài)異常參數(shù)；融合所述第一形態(tài)異常參數(shù)及所述第二形態(tài)異常參數(shù)，獲取所述腸壁段的形態(tài)異常系7.根據(jù)權(quán)利要求1所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述病灶子區(qū)域的獲取方法包括：將所有所述非腸壁截面區(qū)域內(nèi)的像素點(diǎn)作為待聚類像素點(diǎn)，根據(jù)不同待聚類像素點(diǎn)之間的所述異常指數(shù)的差異及空間距離，獲取不同待聚類像素點(diǎn)之間的度量距離；基于不同待聚類像素點(diǎn)之間的所述度量距離及預(yù)設(shè)K值，對(duì)所有待聚類像素點(diǎn)進(jìn)行K-means聚類，獲取所有聚簇；對(duì)每個(gè)聚簇內(nèi)的所有像素點(diǎn)進(jìn)行區(qū)域連通檢測(cè)，將所有連通域作為一個(gè)病灶子區(qū)域。8.根據(jù)權(quán)利要求1所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述病灶得分的獲取方法包括：根據(jù)每個(gè)所述病灶子區(qū)域內(nèi)所有像素點(diǎn)的所述異常指數(shù)的集中特征，獲取每個(gè)所述病灶子區(qū)域的第一病灶得分；在每個(gè)所述病灶子區(qū)域的所有邊界像素點(diǎn)中，以任一邊界像素點(diǎn)為起點(diǎn)，獲取所述病灶子區(qū)域的邊界鏈碼；將所述邊界鏈碼中所有相鄰鏈碼值之間的差值絕對(duì)值之和，作為對(duì)應(yīng)所述病灶子區(qū)域的第二病灶得分；融合所述第一病灶得分及所述第二病灶得分，獲取對(duì)應(yīng)所述病灶子區(qū)域的病灶得分。9.根據(jù)權(quán)利要求1所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，所述病灶區(qū)域的獲取方法包括：根據(jù)不同所述病灶子區(qū)域之間的空間距離及對(duì)應(yīng)所述病灶得分之間的得分差異，獲取對(duì)應(yīng)不同所述病灶子區(qū)域的第一合并差異參數(shù)；所述空間距離及所述得分差異均與所述第一合并差異參數(shù)正相關(guān)；將不同所述病灶子區(qū)域之間的面積差異的負(fù)相關(guān)映射結(jié)果，作為對(duì)應(yīng)不同所述病灶子區(qū)域的第二合并差異參數(shù)；融合所述第一合并差異參數(shù)及所述第二合并差異參數(shù)，獲取對(duì)應(yīng)不同所述病灶子區(qū)域之間的合并距離；基于所述合并距離及距離聚類算法，將所有所述病灶子區(qū)域聚類，獲取所有聚簇，將每個(gè)聚簇作為一個(gè)病灶區(qū)域。10.根據(jù)權(quán)利要求1所述的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，其特征在于，4所述待標(biāo)記病灶區(qū)域的獲取方法包括：在每個(gè)所述病灶區(qū)域內(nèi)，將所有所述病灶子區(qū)域的所述病灶得分的均值作為所述病灶區(qū)域的待篩選指數(shù)；將所述待篩選指數(shù)大于預(yù)設(shè)閾值的所述病灶區(qū)域作為待標(biāo)記病灶區(qū)域。5一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及CT影像分析及標(biāo)注技術(shù)領(lǐng)域，具體涉及一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法。背景技術(shù)[0002]計(jì)算機(jī)斷層掃描(ComputedTomography,CT)是一種結(jié)合X射線和計(jì)算機(jī)技術(shù)以生成體內(nèi)組織結(jié)構(gòu)的斷層圖像的醫(yī)學(xué)影像技術(shù)；結(jié)腸癌屬于消化系統(tǒng)最常見(jiàn)的惡性腫瘤之一，其在CT影像中通常表現(xiàn)為腸壁增厚或腸腔梗阻等腸道結(jié)構(gòu)變化的病癥特征；通過(guò)評(píng)估標(biāo)注結(jié)腸CT影像中的癌癥病灶，可以輔助相關(guān)醫(yī)務(wù)人員準(zhǔn)確定位病灶位置、大小及形態(tài)，為后續(xù)診療提供參考基礎(chǔ)，因此病灶標(biāo)注的準(zhǔn)確性至關(guān)重要。[0003]現(xiàn)有技術(shù)中通常基于深度學(xué)習(xí)算法對(duì)病灶區(qū)域進(jìn)行自動(dòng)化標(biāo)注，但是深度學(xué)習(xí)算法依賴大量標(biāo)注過(guò)的訓(xùn)練數(shù)據(jù)集來(lái)優(yōu)化模型參數(shù)，自動(dòng)化標(biāo)注效果受訓(xùn)練數(shù)據(jù)集的質(zhì)量及模型訓(xùn)練效果的影響；而訓(xùn)練數(shù)據(jù)集的獲取及訓(xùn)練占用資源大，且訓(xùn)練數(shù)據(jù)集中的病灶類型及影像規(guī)格質(zhì)量等可能存在偏差，導(dǎo)致算法的泛化能力受到限制，從而導(dǎo)致模型訓(xùn)練效果不佳，進(jìn)而影響結(jié)腸癌癥病灶的標(biāo)注效果。發(fā)明內(nèi)容[0004]為了解決現(xiàn)有技術(shù)對(duì)結(jié)腸癌癥病灶的標(biāo)注效果不佳的技術(shù)問(wèn)題，本發(fā)明的目的在于提供一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，所采用的技術(shù)方案具體如下：獲取CT影像中結(jié)腸組織區(qū)域內(nèi)的所有腸壁截面區(qū)域及所有非腸壁截面區(qū)域；根據(jù)每個(gè)所述非腸壁截面區(qū)域的形狀特征，獲取每個(gè)所述非腸壁截面區(qū)域在所述腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段；在每個(gè)所述非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的局部灰度變化及對(duì)應(yīng)所述腸壁段的形狀特征，獲取每個(gè)像素點(diǎn)的異常指數(shù)；基于每個(gè)像素點(diǎn)的所述異常指數(shù)及分布特征，將所有非腸壁截面區(qū)域內(nèi)的所有像素點(diǎn)聚類，獲取所有病灶子區(qū)域；根據(jù)每個(gè)所述病灶子區(qū)域內(nèi)每個(gè)像素點(diǎn)的所述異常指數(shù)，及所述病灶子區(qū)域的邊界規(guī)則情況，獲取每個(gè)所述病灶子區(qū)域的病灶得分；根據(jù)不同所述病灶子區(qū)域之間的空間距離及面積差異，結(jié)合所述病灶得分之間的差異，合并不同病灶子根據(jù)每個(gè)所述病灶區(qū)域內(nèi)所有所述病灶子區(qū)域的所述病灶得分，從所有所述病灶區(qū)域內(nèi)篩選出待標(biāo)記病灶區(qū)域并標(biāo)注。在每個(gè)所述非腸壁截面區(qū)域的區(qū)域邊界上，將距離最遠(yuǎn)的兩個(gè)邊界像素點(diǎn)作為目標(biāo)像素點(diǎn)；以CT影像的中心為射線起點(diǎn)，分別過(guò)每個(gè)所述目標(biāo)像素點(diǎn)做射線，將兩條所述射線與所述腸壁截面區(qū)域相交所得兩個(gè)線段之間的腸壁截面子區(qū)域，作為每個(gè)所述非腸壁截面區(qū)域在所述腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段。6在每個(gè)所述非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的灰度值相對(duì)平均水平的偏差，結(jié)合每個(gè)像素點(diǎn)的所有鄰域像素點(diǎn)的灰度值，獲取每個(gè)像素點(diǎn)的灰度異常系數(shù)；根據(jù)每個(gè)所述非腸壁截面區(qū)域?qū)?yīng)所述腸壁段的寬度及邊界規(guī)則情況，獲取每個(gè)所述非腸壁截面區(qū)域?qū)?yīng)所述腸壁段的形態(tài)異常系數(shù)；根據(jù)每個(gè)像素點(diǎn)的所述灰度異常系數(shù)，及每個(gè)像素點(diǎn)所在腸壁段的所述形態(tài)異常系數(shù)，獲取每個(gè)像素點(diǎn)的異常指數(shù)。[0007]進(jìn)一步地，所述灰度異常系數(shù)的獲取方法包括：將每個(gè)像素點(diǎn)的灰度值與所有所述非腸壁截面區(qū)域內(nèi)像素點(diǎn)的灰度值均值的比將每個(gè)像素點(diǎn)的八鄰域內(nèi)所有像素點(diǎn)的灰度值的方差，作為第二灰度異常參數(shù)；融合所述第一灰度異常參數(shù)及所述第二灰度異常參數(shù)，獲取對(duì)應(yīng)像素點(diǎn)的灰度異常系數(shù)。在每個(gè)所述腸壁段中，將兩條所述射線分別與所述腸壁截面區(qū)域首次相交的兩個(gè)邊界像素點(diǎn)，作為所述腸壁段中的內(nèi)壁邊界角點(diǎn)；將兩個(gè)所述內(nèi)壁邊界角點(diǎn)之間的所有邊界像素點(diǎn)構(gòu)成邊界作為所述腸壁段的內(nèi)壁邊界；以CT影像的中心為射線起點(diǎn)，分別過(guò)所述內(nèi)壁邊界上的每個(gè)邊界像素點(diǎn)做射線，將每條射線作為參考射線；將每條所述參考射線與所述腸壁段相交的線段長(zhǎng)度，作為對(duì)應(yīng)所述腸壁段的所有參考寬度，將所有參考寬度的均值作為所述腸壁段的寬度。[0009]進(jìn)一步地，所述形態(tài)異常系數(shù)的獲取方法包括：將每個(gè)所述腸壁段的所述寬度，與所有所述腸壁段的所述寬度的均值的比值，作為寬度偏差參數(shù)；將每個(gè)所述腸壁段的所有所述參考寬度的方差，作為寬度波動(dòng)參數(shù)；融合所述寬度偏差參數(shù)及所述寬度波動(dòng)參數(shù)，獲取第一形態(tài)異常參數(shù)；在每個(gè)所述腸壁段中，以任一所述內(nèi)壁邊界角點(diǎn)為起點(diǎn)，獲取所述內(nèi)壁邊界的鏈碼；將所述鏈碼中所有相鄰鏈碼值之間的差值絕對(duì)值之和作為內(nèi)壁不規(guī)則指數(shù)；將所述內(nèi)壁邊界的長(zhǎng)度的負(fù)相關(guān)映射結(jié)果作為所述內(nèi)壁不規(guī)則指數(shù)的加權(quán)權(quán)重，將加權(quán)結(jié)果作為第二形態(tài)異常參數(shù)；融合所述第一形態(tài)異常參數(shù)及所述第二形態(tài)異常參數(shù)，獲取所述腸壁段的形態(tài)異常系數(shù)。將所有所述非腸壁截面區(qū)域內(nèi)的像素點(diǎn)作為待聚類像素點(diǎn)，根據(jù)不同待聚類像素點(diǎn)之間的所述異常指數(shù)的差異及空間距離，獲取不同待聚類像素點(diǎn)之間的度量距離；基于不同待聚類像素點(diǎn)之間的所述度量距離及預(yù)設(shè)K值，對(duì)所有待聚類像素點(diǎn)進(jìn)行K-means聚類，獲取所有聚簇；對(duì)每個(gè)聚簇內(nèi)的所有像素點(diǎn)進(jìn)行區(qū)域連通檢測(cè)，將所有連通域作為一個(gè)病灶子區(qū)域。根據(jù)每個(gè)所述病灶子區(qū)域內(nèi)所有像素點(diǎn)的所述異常指數(shù)的集中特征，獲取每個(gè)所述病灶子區(qū)域的第一病灶得分；在每個(gè)所述病灶子區(qū)域的所有邊界像素點(diǎn)中，以任一邊界像素點(diǎn)為起點(diǎn)，獲取所7述病灶子區(qū)域的邊界鏈碼；將所述邊界鏈碼中所有相鄰鏈碼值之間的差值絕對(duì)值之和，作為對(duì)應(yīng)所述病灶子區(qū)域的第二病灶得分；融合所述第一病灶得分及所述第二病灶得分，獲取對(duì)應(yīng)所述病灶子區(qū)域的病灶得[0012]進(jìn)一步地，所述病灶區(qū)域的獲取方法包括：根據(jù)不同所述病灶子區(qū)域之間的空間距離及對(duì)應(yīng)所述病灶得分之間的得分差異，獲取對(duì)應(yīng)不同所述病灶子區(qū)域的第一合并差異參數(shù)；所述空間距離及所述得分差異均與所述第一合并差異參數(shù)正相關(guān)；將不同所述病灶子區(qū)域之間的面積差異的負(fù)相關(guān)映射結(jié)果，作為對(duì)應(yīng)不同所述病灶子區(qū)域的第二合并差異參數(shù)；融合所述第一合并差異參數(shù)及所述第二合并差異參數(shù)，獲取對(duì)應(yīng)不同所述病灶子區(qū)域之間的合并距離；基于所述合并距離及距離聚類算法，將所有所述病灶子區(qū)域聚類，獲取所有聚簇，將每個(gè)聚簇作為一個(gè)病灶區(qū)域。[0013]進(jìn)一步地，所述待標(biāo)記病灶區(qū)域的獲取方法包括：在每個(gè)所述病灶區(qū)域內(nèi)，將所有所述病灶子區(qū)域的所述病灶得分的均值作為所述病灶區(qū)域的待篩選指數(shù)；將所述待篩選指數(shù)大于預(yù)設(shè)閾值的所述病灶區(qū)域作為待標(biāo)記病灶區(qū)域。[0014]本發(fā)明具有如下有益效果：本發(fā)明獲取CT影像中結(jié)腸組織區(qū)域內(nèi)，每個(gè)非腸壁截面區(qū)域在腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段，為后續(xù)分析腸壁截面的形態(tài)特征及非腸壁截面的紋理特征，評(píng)估標(biāo)注病灶做準(zhǔn)備；然后在每個(gè)非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的局部灰度變化及對(duì)應(yīng)腸壁段的形狀特征，獲取反映了每個(gè)像素點(diǎn)的病變可能性的異常指數(shù)；進(jìn)一步基于每個(gè)像素點(diǎn)的異常指數(shù)及分布特征，將所有非腸壁截面區(qū)域內(nèi)的所有像素點(diǎn)聚類，初步獲取所有病灶子區(qū)域；然后根據(jù)每個(gè)病灶子區(qū)域內(nèi)每個(gè)像素點(diǎn)的異常指數(shù)，及病灶子區(qū)域的邊界規(guī)則情況，獲取每個(gè)病灶子區(qū)域的病灶得分；病灶得分越大，說(shuō)明該病灶子區(qū)域的病變可能性與病變程度越大；然后基于病變的逐漸擴(kuò)散特征，分析不同病灶子區(qū)域之間的空間距離及面積差異，結(jié)合病灶得分之間的差異，評(píng)估不同病變子區(qū)域的病灶表現(xiàn)，從而合并不同病灶子區(qū)域，獲取所有病灶區(qū)域；最后根據(jù)每個(gè)病灶區(qū)域內(nèi)所有病灶子區(qū)域的病灶得分，從所有病灶區(qū)域內(nèi)篩選出待標(biāo)記病灶區(qū)域并標(biāo)注。本發(fā)明通過(guò)分析結(jié)腸癌變導(dǎo)致腸壁表面的紋理及腸壁截面的形態(tài)發(fā)生變化的特征，進(jìn)一步結(jié)合不同病變階段病灶的面積特征及分布特征，準(zhǔn)確獲取并標(biāo)注病灶區(qū)域，提高了結(jié)腸癌癥病灶的標(biāo)注效果。附圖說(shuō)明[0015]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案和優(yōu)點(diǎn)，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它附圖。[0016]圖1為本發(fā)明一個(gè)實(shí)施例所提供的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法的流程圖；8圖2為本發(fā)明一個(gè)實(shí)施例所提供的一種腸壁段的局部示意圖；圖3為本發(fā)明一個(gè)實(shí)施例所提供的一種異常指數(shù)的獲取方法流程圖。具體實(shí)施方式[0017]為了更進(jìn)一步闡述本發(fā)明為達(dá)成預(yù)定發(fā)明目的所采取的技術(shù)手段及功效，以下結(jié)合附圖及較佳實(shí)施例，對(duì)依據(jù)本發(fā)明提出的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法，特點(diǎn)可由任何合適形式組合。[0018]除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語(yǔ)與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。[0019]下面結(jié)合附圖具體的說(shuō)明本發(fā)明所提供的一種CT影像中結(jié)腸癌癥病灶的精細(xì)標(biāo)注方法的具體方案。[0020]請(qǐng)參閱圖1,其示出了本發(fā)明一個(gè)實(shí)施例提供的一種CT影像中結(jié)腸癌癥病灶的精步驟S1,獲取CT影像中結(jié)腸組織區(qū)域內(nèi)的所有腸壁截面區(qū)域及所有非腸壁截面區(qū)域。[0021]考慮到CT掃描生成的是身體結(jié)構(gòu)的橫截面圖像，因此CT影像中結(jié)腸組織區(qū)域內(nèi)可能存在部分腸壁截面區(qū)域；而結(jié)腸癌癥病灶主要是結(jié)腸內(nèi)壁上的病變，嚴(yán)重時(shí)可能導(dǎo)致結(jié)腸壁全層結(jié)構(gòu)或鄰近臟器發(fā)生病變，進(jìn)而導(dǎo)致腸壁表面的紋理及腸壁截面的形態(tài)發(fā)生變化，具體表現(xiàn)為腸壁增厚或纖維化等；因此通過(guò)分析結(jié)腸組織區(qū)域內(nèi)腸壁截面的形態(tài)特征，及非腸壁截面的紋理特征，便可評(píng)估非腸壁截面區(qū)域中每個(gè)像素點(diǎn)為病灶的可能性，進(jìn)而精準(zhǔn)標(biāo)注病灶；基于此，本發(fā)明實(shí)施例首先將獲取就診患者的CT影像中結(jié)腸組織區(qū)域，進(jìn)一步獲取結(jié)腸組織區(qū)域內(nèi)的所有腸壁截面區(qū)域及所有非腸壁截面區(qū)域，以便后續(xù)分析標(biāo)注病灶；其中，腸壁截面區(qū)域?qū)?yīng)為腸壁的橫截面，非腸壁截面區(qū)域?qū)?yīng)為結(jié)腸內(nèi)壁或外壁。[0022]作為一個(gè)示例，首先做好CT掃描前的準(zhǔn)備工作，如要求患者進(jìn)行腸道清潔并服用造影劑等，以增強(qiáng)圖像清晰度和對(duì)比度；然后進(jìn)行CT掃描，獲取患者腹腔的CT掃描結(jié)果，將CT掃描結(jié)果進(jìn)行去噪或增強(qiáng)等預(yù)處理，以降低噪聲干擾，從而得到待標(biāo)注的CT影像；考慮到造影劑會(huì)使得結(jié)腸組織區(qū)域的灰度值與周圍組織存在明顯的灰度差異，故基于大津閾值分割算法對(duì)CT影像進(jìn)行分割，將分割得到的前景區(qū)域作為結(jié)腸組織區(qū)域；然后基于卷積神經(jīng)網(wǎng)絡(luò)獲取結(jié)腸組織區(qū)域內(nèi)的所有腸壁截面區(qū)域；將結(jié)腸組織區(qū)域內(nèi)除腸壁截面區(qū)域之外的所有像素點(diǎn)進(jìn)行區(qū)域連通檢測(cè)，將每個(gè)連通域作為一個(gè)非腸壁截面區(qū)域。[0023]需要說(shuō)明的是，CT掃描結(jié)果中通常會(huì)有多張不同斷層的CT影像，由于每張CT影像的分析標(biāo)注方式一致，在此僅以任一CT影像為待標(biāo)注對(duì)象進(jìn)行分析表述；CT影像已是灰度[0024]需要說(shuō)明的是，獲取CT影像、大津閾值分割、卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及應(yīng)用、區(qū)域連通檢測(cè)均為本領(lǐng)域技術(shù)人員熟知的現(xiàn)有技術(shù)，在此不贅述；在其他實(shí)施例中，實(shí)施者還可以基于圖像紋理特征自行確定分割閾值，以分割獲取結(jié)腸組織區(qū)域，不再贅述。9[0025]步驟S2,根據(jù)每個(gè)非腸壁截面區(qū)域的形狀特征，獲取每個(gè)非腸壁截面區(qū)域在腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段；在每個(gè)非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的局部灰度變化及對(duì)應(yīng)腸壁段的形狀特征，獲取每個(gè)像素點(diǎn)的異常指數(shù)。[0026]考慮到腸壁增厚是非腸壁截面區(qū)域處病變的進(jìn)一步表現(xiàn)，則非腸壁截面區(qū)域發(fā)生病變與腸壁增厚通常為對(duì)應(yīng)關(guān)系，即非腸壁截面區(qū)域處不同形狀大小的病灶通常會(huì)導(dǎo)致不同長(zhǎng)度的腸壁段增厚；而通過(guò)分析腸壁的橫截面即腸壁截面區(qū)域可以幫助判斷腸壁是否增厚；因此，本發(fā)明實(shí)施例首先將根據(jù)每個(gè)非腸壁截面區(qū)域的形狀特征，獲取每個(gè)非腸壁截面區(qū)域在腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段，以便后續(xù)準(zhǔn)確評(píng)估每個(gè)非腸壁截面區(qū)域的病灶可能性。[0027]優(yōu)選地，在本發(fā)明一個(gè)實(shí)施例中，考慮到每個(gè)非腸壁截面區(qū)域的區(qū)域邊界上距離最遠(yuǎn)的兩個(gè)邊界像素點(diǎn)，能夠大致反映該非腸壁截面區(qū)域的組織大小或輪廓跨度，進(jìn)而可以獲取腸壁截面區(qū)域中對(duì)應(yīng)長(zhǎng)度的腸壁段；故腸壁段的獲取方法包括：在每個(gè)非腸壁截面區(qū)域的區(qū)域邊界上，將距離最遠(yuǎn)的兩個(gè)邊界像素點(diǎn)作為目標(biāo)像素點(diǎn)；以CT影像的中心為射線起點(diǎn)，分別過(guò)每個(gè)目標(biāo)像素點(diǎn)做射線，將兩條射線與腸壁截面區(qū)域相交所得兩個(gè)線段之間的腸壁截面子區(qū)域，作為每個(gè)非腸壁截面區(qū)域在腸壁截面區(qū)域中對(duì)應(yīng)的腸壁段。[0028]作為一個(gè)示例，請(qǐng)參閱圖2,其示出了本發(fā)明一個(gè)實(shí)施例所提供的一種腸壁段的局部示意圖；圖2中，通過(guò)選擇每個(gè)非腸壁截面區(qū)域上歐氏距離最遠(yuǎn)的兩個(gè)邊界像素點(diǎn)A和B,并以CT影像中心為射線起點(diǎn)分別過(guò)A和B作兩條射線，結(jié)合射線與腸壁截面區(qū)域的相交情況，精確地獲取腸壁段的幾何跨度和對(duì)應(yīng)位置，便于后續(xù)對(duì)腸壁段壁厚的影像學(xué)分析。[0029]考慮到非腸壁截面區(qū)域處的病變不僅會(huì)導(dǎo)致腸壁增厚，還會(huì)導(dǎo)致腸壁纖維化，具體表現(xiàn)為病灶區(qū)域的紋理特征與其他正常組織區(qū)域存在較大差異，病灶區(qū)域的局部灰度將發(fā)生變化；故本發(fā)明實(shí)施例將在每個(gè)非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的局部灰度變化及對(duì)應(yīng)腸壁段的形狀特征，獲取每個(gè)像素點(diǎn)的異常指數(shù)；異常指數(shù)反映了每個(gè)像素點(diǎn)的病變可能性，為后續(xù)評(píng)估標(biāo)注病灶區(qū)域提供基礎(chǔ)。請(qǐng)參閱圖3,其示出了本發(fā)明一個(gè)實(shí)施例所提供的一種異常指數(shù)的獲取方法流程步驟S201,在每個(gè)非腸壁截面區(qū)域中，根據(jù)每個(gè)像素點(diǎn)的灰度值相對(duì)平均水平的偏差，結(jié)合每個(gè)像素點(diǎn)的所有鄰域像素點(diǎn)的灰度值，獲取每個(gè)像素點(diǎn)的灰度異常系數(shù)。[0031]考慮到結(jié)腸正常組織區(qū)域的灰度通常較為均勻且相似，而結(jié)腸癌癥的病灶區(qū)域通常會(huì)因局部組織密度的變化或分布不均，進(jìn)而導(dǎo)致灰度值較高且局部灰度分布不均；基于此病癥特征可以分析評(píng)估每個(gè)非腸壁截面區(qū)域中每個(gè)像素點(diǎn)的灰度異常系數(shù)；灰度異常系數(shù)從像素點(diǎn)的灰度紋理角度分析評(píng)估其為病灶區(qū)域像素點(diǎn)的可能性，灰度異常系數(shù)越大，則說(shuō)明該像素點(diǎn)越可能為病灶區(qū)域內(nèi)像素點(diǎn)。[0032]在本發(fā)明一個(gè)優(yōu)選實(shí)施例中，灰度異常系數(shù)的獲取方法包括：將每個(gè)像素點(diǎn)的灰度值與所有非腸壁截面區(qū)域內(nèi)像素點(diǎn)的灰度值均值的比值，作為第一灰度異常參數(shù)；將每個(gè)像素點(diǎn)的八鄰域內(nèi)所有像素點(diǎn)的灰度值的方差，作為第二灰度異常參數(shù)；融合第一灰度異常參數(shù)及第二灰度異常參數(shù)，獲取對(duì)應(yīng)像素點(diǎn)的灰度異常系壁截面區(qū)域內(nèi)第a個(gè)像素點(diǎn)的灰度異常系數(shù)；ga為非腸壁截面區(qū)域內(nèi)第a個(gè)像素點(diǎn)的灰度比值越大，說(shuō)明像素點(diǎn)的灰度值越大且相對(duì)平均水[0037]步驟S202,根據(jù)每個(gè)非腸壁截面區(qū)域?qū)?yīng)腸壁段的寬度及邊界規(guī)則情況，獲取每非腸壁截面區(qū)域?qū)?yīng)腸壁段通常分為內(nèi)壁和外壁，內(nèi)壁與外壁之間的間距則大在每個(gè)腸壁段中，將兩條射線分別與腸壁截面區(qū)域首次相交的兩個(gè)邊界像素點(diǎn)，壁截面區(qū)域首次相交的兩個(gè)邊界像素點(diǎn)為兩個(gè)內(nèi)壁邊界角點(diǎn)C和D,從而得到內(nèi)壁邊界CD;鏈碼值之間的差值絕對(duì)值的序號(hào)；li,m為第i個(gè)非腸壁截面區(qū)域?qū)?yīng)腸壁段的內(nèi)壁邊界的腸壁截面區(qū)域?qū)?yīng)腸壁段的內(nèi)壁不規(guī)則指數(shù)；di為第i個(gè)非腸壁截面區(qū)域?qū)?yīng)腸壁段的內(nèi)的寬度越寬且相對(duì)平均水平的偏差越大，則寬度偏差參數(shù)越大；當(dāng)腸壁段的所有參考寬度的方差越大，說(shuō)明腸壁段的寬度越不均勻，寬度波動(dòng)參數(shù)越大；然后將寬度波動(dòng)參數(shù)與寬度偏差參數(shù)相乘融合，得到第一形態(tài)異常參數(shù)，寬度越寬且寬度變化不均勻，說(shuō)明該腸壁段越可能因病變導(dǎo)致形態(tài)發(fā)生變化；內(nèi)壁邊界上相鄰邊界像素點(diǎn)對(duì)應(yīng)鏈碼值的差值絕對(duì)值越小，則說(shuō)明內(nèi)壁邊界較為規(guī)整，內(nèi)壁不規(guī)則指數(shù)也越??；又考慮到內(nèi)壁不規(guī)則指數(shù)還會(huì)受內(nèi)壁邊界長(zhǎng)度的影響，故將內(nèi)壁邊界的長(zhǎng)度做倒數(shù)運(yùn)算后，作為內(nèi)壁不規(guī)則指數(shù)的加權(quán)權(quán)重，進(jìn)而相乘得到第二形態(tài)異常參數(shù)；最后將第一形態(tài)異常參數(shù)及第二形態(tài)異常參數(shù)相乘融合后進(jìn)行線性歸一化，得到形態(tài)異常系數(shù)。[0046]在其他實(shí)施例中，實(shí)施者也可以通過(guò)腸壁段的寬度與寬度均值的差值，評(píng)估寬度偏差參數(shù)，差值的線性歸一化結(jié)果越大，寬度偏差參數(shù)越大；還可以采用其他如相加或加權(quán)求和等基礎(chǔ)數(shù)學(xué)運(yùn)算，合并寬度波動(dòng)參數(shù)與寬度偏差參數(shù)，得到第一形態(tài)異常參數(shù)；還可以將內(nèi)壁邊界的長(zhǎng)度采用其他負(fù)相關(guān)映射手段，如將其作為以自然常數(shù)e為底數(shù)的指數(shù)函數(shù)exp(-x)中的x,得到加權(quán)權(quán)重；進(jìn)而采用其他如相加或加權(quán)求和等基礎(chǔ)數(shù)學(xué)運(yùn)算，合并第一形態(tài)異常參數(shù)及第二形態(tài)異常參數(shù)，得到形態(tài)異常系數(shù)。[0047]步驟S203,根據(jù)每個(gè)像素點(diǎn)的灰度異常系數(shù)，及每個(gè)像素點(diǎn)所在腸壁段的形態(tài)異常系數(shù)，獲取每個(gè)像素點(diǎn)的異常指數(shù)。[0048]作為一個(gè)示例，具體將每個(gè)像素點(diǎn)的灰度異常系數(shù)，及每個(gè)像素點(diǎn)所在腸壁段的形態(tài)異常系數(shù)相加合并，將和值進(jìn)行線性歸一化，將歸一化值作為每個(gè)像素點(diǎn)的異常指數(shù)；在其他示例中，實(shí)施者還可以采用其他如加權(quán)求和或相乘等基礎(chǔ)數(shù)學(xué)運(yùn)算或正相關(guān)映射手[0049]步驟S3,基于每個(gè)像素點(diǎn)的異常指數(shù)及分布特征，將所有非腸壁截面區(qū)域內(nèi)的所有像素點(diǎn)聚類，獲取所有病灶子區(qū)域；根據(jù)每個(gè)病灶子區(qū)域內(nèi)每個(gè)像素點(diǎn)的異常指數(shù)，及病灶子區(qū)域的邊界規(guī)則情況，獲取每個(gè)病灶子區(qū)域的病灶得分；根據(jù)不同病灶子區(qū)域之間的空間距離及面積差異，結(jié)合病灶得分之間的差異，合并不同病灶子區(qū)域，獲取所有病灶區(qū)域。[0050]考慮到非腸壁截面區(qū)域內(nèi)的像素點(diǎn)的異常指數(shù)越接近，且空間位置分布越接近，則說(shuō)明其對(duì)應(yīng)像素點(diǎn)的病變程度或病變可能性越相似，越可能為同一病灶區(qū)域內(nèi)的像素點(diǎn)；而聚類算法可以將相似特征的像素點(diǎn)聚為一簇；故本發(fā)明實(shí)施例基于每個(gè)像素點(diǎn)的異常指數(shù)及分布特征，將所有非腸壁截面區(qū)域內(nèi)的所有像素點(diǎn)聚類，獲取所有病灶子區(qū)域；聚類后，每個(gè)聚簇中的所有像素點(diǎn)將越可能為同一病灶區(qū)域內(nèi)的像素點(diǎn)，病灶子區(qū)域則初步將病變程度相似的像素點(diǎn)聚為一個(gè)局部子區(qū)域，以便后續(xù)分析合并以獲取完整的病灶區(qū)域。將所有非腸壁截面區(qū)域內(nèi)的像素點(diǎn)作為待聚類像素點(diǎn)，根據(jù)不同待聚類像素點(diǎn)之間的異常指數(shù)的差異及空間距離，獲取不同待聚類像素點(diǎn)之間的度量距離；基于不同待聚類像素點(diǎn)之間的度量距離及預(yù)設(shè)K值，對(duì)所有待聚類像素點(diǎn)進(jìn)行K-means聚類，獲取所有聚簇；對(duì)每個(gè)聚簇內(nèi)的所有像素點(diǎn)進(jìn)行區(qū)域連通檢測(cè)，將所有連通域作為一個(gè)病灶子區(qū)域。[0052]作為一個(gè)示例，首選獲取不同待聚類像素點(diǎn)之間的異常指數(shù)的差異及空間距離，將異常指數(shù)的差異及空間距離的歐氏范數(shù)，作為不同待聚類像素點(diǎn)之間的度量距離；然后nr為第r個(gè)病灶子區(qū)域的邊界鏈碼的總長(zhǎng)度；ls為第r個(gè)病灶子區(qū)域的邊界鏈碼中的鏈碼值；ls+1為第r個(gè)病灶子區(qū)域的邊界鏈碼中的第s+1個(gè)鏈碼值；|為絕對(duì)值符號(hào)；為第r個(gè)病灶子區(qū)域的第二病灶得分；norm(為標(biāo)準(zhǔn)歸一化根據(jù)不同病灶子區(qū)域之間的空間距離及對(duì)應(yīng)病灶得分之間的得分差異，獲取對(duì)應(yīng)不同病灶子區(qū)域的第一合并差異參數(shù)；空間距離及得分差異均與第一合并差異參數(shù)正相形心之間的歐氏距離，面積可以利用病灶子區(qū)域內(nèi)的像素病灶子區(qū)域進(jìn)行K-means聚類，然后將同一聚簇內(nèi)的所有病灶子區(qū)域合并作為一個(gè)病灶區(qū)域。[0065]需要說(shuō)明的是，K-means聚類算法及手肘法均為現(xiàn)有技術(shù)，在此不贅述。[0066]步驟S4,根據(jù)每個(gè)病灶區(qū)域內(nèi)所有病灶子區(qū)域的病灶得分，從所有病灶區(qū)域內(nèi)篩選出待標(biāo)記病灶區(qū)域并標(biāo)注。[0067]考慮到合并獲取病灶區(qū)域后，每個(gè)病灶區(qū)域內(nèi)可能包含多個(gè)病灶子區(qū)域，病灶子區(qū)域的病灶得分越大，越應(yīng)當(dāng)被標(biāo)注，從而便于相關(guān)醫(yī)務(wù)人員關(guān)注分析；故本發(fā)明實(shí)施例將進(jìn)一步基于每個(gè)病灶區(qū)域內(nèi)所有病灶子區(qū)域的病灶得分，從所有病灶區(qū)域內(nèi)篩選出待標(biāo)記病灶區(qū)域并標(biāo)注。[0068]優(yōu)選地，在本發(fā)明一個(gè)實(shí)施例中，待標(biāo)記病灶區(qū)域的獲取方法包括：在每個(gè)病灶區(qū)域內(nèi)，將所有病灶子區(qū)域的病灶得分的均值作為病灶區(qū)域的待篩選指數(shù)；將待篩選指數(shù)大于預(yù)設(shè)閾值的病灶區(qū)域作為待標(biāo)記病灶區(qū)域；其中，考慮到所有病灶