一种CT图像的标记方法、系统、介质及设备与流程

一种ct图像的标记方法、系统、介质及设备
技术领域
1.本发明涉及图像处理领域，尤其涉及一种ct图像的标记方法、系统、介质及设备。


背景技术：

2.现有肋骨计数方法多是采用深度学习神经网络技术对ct图像每一个序列中的肋骨进行编号预测，这种方案需要大量的带24类标签的胸部ct数据做支持，人力标注成本较大，耗时长,实现困难；此外24根肋骨相似程度高，位置呈现紧邻排布，这既给标注人员标注类别带来了困难，也造成了神经网络预测不准的情况。此外还有方法对ct肋骨进行单类分割，得到二值化掩码，再通过膨胀腐蚀等图像处理操作解决肋骨间的轻微粘连，最后通过连通域操作对肋骨进行标号，这种方法无法适用于存在断骨的情况，并且无法适用于相邻肋骨接触紧密的情况。


技术实现要素：

3.本发明所要解决的技术问题是提供一种ct图像的标记方法、系统、介质及设备。
4.本发明解决上述技术问题的技术方案如下：一种ct图像的标记方法，包括：
5.步骤1，将ct图像集输入至分割模型，得到肋骨的第一3d分割mask图像集和椎骨的第二3d分割mask图像集，对所述第一3d分割mask图像集和所述第二3d分割mask图像集进行转换，得到肋骨的第一2d分割mask图像集以及椎骨的第二2d分割mask图像集；
6.步骤2，对所述肋骨的第一2d分割mask图像集进行去粘连处理，得到第一分割图像集；
7.步骤3，对所述第一分割图像集进行分组处理，得到n组肋骨的图像数据集，其中，每组肋骨的图像数据集表示为：任一一根肋骨mask图像数据集或任一一段完整的骨骼mask图像数据集；
8.步骤4，从n组肋骨的图像数据集中判断属于同一根肋骨的图像数据集，得到判断结果；
9.步骤5，根据所述椎骨的第二2d分割mask图像集确定椎骨的3d中心线，基于所述3d中心线以及所述判断结果，完成肋骨图像的标记。
10.本发明的有益效果是：通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
11.在上述技术方案的基础上，本发明还可以做如下改进。
12.进一步，步骤2具体包括：
13.步骤201，对所述肋骨的第一2d分割mask图像集中的第i张图像上的任意一个第一
肋骨区域进行第一判断，若所述第一肋骨区域的第一判断结果为粘连区域，则分别对所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域进行交集处理，将交集处理结果作为新的第一肋骨区域进行更新，其中i为正整数；
14.步骤202，重复步骤201，直至完成所述第i张图像上所有第一肋骨区域的更新；
15.步骤203，重复步骤201及步骤202，直至完成所述第一2d分割图像集中所有图像的更新，得到第一分割图像集；
16.其中，所述第一判断为：计算所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域的第一dice值，若所述第一dice值超过第一阈值，则所述第一肋骨区域为粘连区域。
17.进一步，步骤3具体包括：
18.步骤301，将所述第一分割图像集中的第j张图像上的任意一个第三肋骨区域分别与第j-1张图像上的所有第四肋骨区域进行第二dice值计算，将所述第二dice值大于第二阈值对应的第四肋骨区域与所述第三肋骨区域判定为同属肋骨，将判定为同属肋骨的肋骨区域生成第一组肋骨的图像数据集，并根据所述第二dice值超过第二阈值对应的第四肋骨区域的个数更新所述第三肋骨区域的相邻个数值，将所述第二dice值不大于所述第二阈值对应的第四肋骨区域生成第二组肋骨的图像数据集，其中j为正整数；
19.步骤302，重复步骤301，直至完成所述第j张图像上所有第三肋骨区域的计算；
20.步骤303，重复步骤301及步骤302，直至完成所述第一分割图像集中所有图像的计算，得到n组肋骨的图像数据集。
21.进一步，步骤4具体包括：
22.步骤401，根据肋骨形状的走势特征，对n组肋骨的图像数据集进行判断，得到每组肋骨的图像数据集的末端位置区域，其中，所述末端位置区域为相邻个数值为1且为末端位置的肋骨区域；
23.步骤402，在所述末端位置区域处向外扩建一个第一试探触手，所述第一试探触手为一个预设大小的立方体块，判断所述第一试探触手是否与椎骨的第一2d分割mask图像集相交，生成第二判断结果，将所述第二判断结果为是的末端位置区域对应的肋骨的图像数据集定义为第一主肋骨；
24.步骤403，将所述第二判断结果为否的末端位置区域处向外扩建一个第二试探触手，判断所述第二试探触手是否与所述第主肋骨相交，生成第三判断结果；
25.步骤404，将所述第三判断结果为是的第二试探触手以及对应相交的第一主肋骨定义为第二主肋骨；
26.步骤405，重复步骤403至步骤404，直至完成所有肋骨的图像数据集的判断。
27.进一步，步骤5具体包括：
28.根据所述椎骨的第一2d分割mask图像集确定椎骨的3d中心线，根据所述判断结果确定每组肋骨的图像数据集的3dmask中心，基于所述3d中心线以及所述3dmask中心，完成肋骨图像的标记。
29.本发明解决上述技术问题的另一种技术方案如下：一种ct图像的标记系统，包括：
30.转换模块，用于将ct图像集输入至分割模型，得到肋骨的第一3d分割mask图像集和椎骨的第二3d分割mask图像集，对所述第一3d分割mask图像集和所述第二3d分割mask图像集进行转换，得到肋骨的第一2d分割mask图像集以及椎骨的第二2d分割mask图像集；
31.去粘连模块，用于对所述肋骨的第一2d分割mask图像集进行去粘连处理，得到第一分割图像集；
32.处理模块，用于对所述第一分割图像集进行分组处理，得到n组肋骨的图像数据集，其中，每组肋骨的图像数据集表示为：任一一根肋骨mask图像数据集或任一一段完整的骨骼mask图像数据集；
33.判断模块，用于从n组肋骨的图像数据集中判断属于同一根肋骨的图像数据集，得到判断结果；
34.标记模块，用于根据所述椎骨的第二2d分割mask图像集确定椎骨的3d中心线，基于所述3d中心线以及所述判断结果，完成肋骨图像的标记。
35.本发明的有益效果是：通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
36.进一步，所述去粘连模块具体用于：
37.交集模块，用于对所述肋骨的第一2d分割mask图像集中的第i张图像上的任意一个第一肋骨区域进行第一判断，若所述第一肋骨区域的第一判断结果为粘连区域，则分别对所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域进行交集处理，将交集处理结果作为新的第一肋骨区域进行更新，其中i为正整数；
38.第一重复模块，重复交集模块，直至完成所述第i张图像上所有第一肋骨区域的更新；
39.第二重复模块，重复交集模块以及第一重复模块，直至完成所述第一2d分割图像集中所有图像的更新，得到第一分割图像集；
40.其中，所述第一判断为：计算所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域的第一dice值，若所述第一dice值超过第一阈值，则所述第一肋骨区域为粘连区域。
41.进一步，所述处理模块具体用于：
42.更新模块，用于将所述第一分割图像集中的第j张图像上的任意一个第三肋骨区域分别与第j-1张图像上的所有第四肋骨区域进行第二dice值计算，将所述第二dice值大于第二阈值对应的第四肋骨区域与所述第三肋骨区域判定为同属肋骨，将判定为同属肋骨的肋骨区域生成第一组肋骨的图像数据集，并根据所述第二dice值超过第二阈值对应的第四肋骨区域的个数更新所述第三肋骨区域的相邻个数值，将所述第二dice值不大于所述第二阈值对应的第四肋骨区域生成第二组肋骨的图像数据集，其中j为正整数；
43.第三重复模块，用于重复更新模块，直至完成所述第j张图像上所有第三肋骨区域的计算；
44.第四重复模块，用于重复更新模块及第三重复模块，直至完成所述第一分割图像集中所有图像的计算，得到n组肋骨的图像数据集。
45.进一步，所述判断模块具体用于：
46.位置判断模块，根据肋骨形状的走势特征，对n组肋骨的图像数据集进行判断，得
到每组肋骨的图像数据集的末端位置区域，其中，所述末端位置区域为相邻个数值为1且为末端位置的肋骨区域；
47.设置模块，在所述末端位置区域处向外扩建一个第一试探触手，所述第一试探触手为一个预设大小的立方体块，判断所述第一试探触手是否与椎骨的第一2d分割mask图像集相交，生成第二判断结果，将所述第二判断结果为是的末端位置区域对应的肋骨的图像数据集定义为第一主肋骨；
48.扩建模块，将所述第二判断结果为否的末端位置区域处向外扩建一个第二试探触手，判断所述第二试探触手是否与所述第主肋骨相交，生成第三判断结果；
49.确定模块，将所述第三判断结果为是的第二试探触手以及对应相交的第一主肋骨定义为第二主肋骨；
50.第五重复模块，重复扩建模块至确定模块，直至完成所有肋骨的图像数据集的判断。
51.进一步，标记模块具体用于：
52.根据所述椎骨的第一2d分割mask图像集确定椎骨的3d中心线，根据所述判断结果确定每组肋骨的图像数据集的3dmask中心，基于所述3d中心线以及所述3dmask中心，完成肋骨图像的标记。
53.本发明解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一项所述的一种ct图像的标记方法。
54.本发明的有益效果是：通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
55.本发明解决上述技术问题的另一种技术方案如下：一种电子设备，包括上述存储介质、执行上述存储介质内的指令的处理器。
56.本发明的有益效果是：通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
附图说明
57.图1为本发明一种ct图像的标记方法的实施例提供的流程示意图；
58.图2为本发明一种ct图像的标记系统的实施例提供的结构框架图。
具体实施方式
59.以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
60.如图1所示，一种ct图像的标记方法，包括：
61.步骤1，将ct图像集输入至分割模型，得到肋骨的第一3d分割mask图像集和椎骨的第二3d分割mask图像集，对所述第一3d分割mask图像集和所述第二3d分割mask图像集进行转换，得到肋骨的第一2d分割mask图像集以及椎骨的第二2d分割mask图像集；
62.步骤2，对所述肋骨的第一2d分割mask图像集进行去粘连处理，得到第一分割图像集；
63.步骤3，对所述第一分割图像集进行分组处理，得到n组肋骨的图像数据集，其中，每组肋骨的图像数据集表示为：任一一根肋骨mask图像数据集或任一一段完整的骨骼mask图像数据集；
64.步骤4，从n组肋骨的图像数据集中判断属于同一根肋骨的图像数据集，得到判断结果；
65.步骤5，根据所述椎骨的第一2d分割mask图像集确定椎骨的3d中心线，基于所述3d中心线以及所述判断结果，完成肋骨图像的标记。
66.在一些可能的实施方式中，通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
67.需要说明的是，ct图像集中包含多张ct图像，肋骨的第一3d分割mask图像集中包含多张肋骨的3d分割mask图像，椎骨的第二3d分割mask图像集中包含多张椎骨的3d分割mask图像，肋骨的第一2d分割mask图像集中包含多张肋骨的2d分割mask图像，椎骨的第二2d分割mask图像集中包含多张椎骨的2d分割mask图像，第一分割图像集中包含多张去粘连后的肋骨的2d分割mask图像，任一一根肋骨mask图像数据集中包含组成同一根肋骨的多张mask图像，任一一段完整的骨骼mask图像数据集中包含组成同一段完整骨骼的多张mask图像，分割模型可以为：unet、fcn、dsn等各种语义分割网络模型，转换过程是通过3d矩阵旋转操作将3d分割mask图像转换到冠状面视角。
68.步骤2的具体过程可参考实施例1进行辅助理解。
69.实施例1，根据分割网络的精度不同，mask图像中存在两根或多根肋骨的mask相互粘连的情况，除此以外，现实也可能存在邻接肋骨相互接触的情况，mask自然也是粘连的，因此，首先需要去除粘连，即去粘连处理：
70.(1)设当前2d ct(即，肋骨的第一2d分割mask图像即中的某一图像)序列号是i，i初始为0，在其冠状面的mask上可以得到x个肋骨区域，i 1序列的mask有y个肋骨区域；
71.(2)计算y个区域中是否存在某一块肋骨区域a和i序列中的多个肋骨区域(b1,b2…
)的dice超过0.1，如果存在，说明a区域是粘连区域,进行第(3)步，否则执行i＝i 1,再次进行第(2)步；dice是算法算出的分割mask与正确mask之间的进行比较计算得到的数值，
是被广泛使用的评价分割精准度的指标；
72.(3)分别求a区域mask和b1,b2…
的mask交集，作为a区域的替代mask，之后，执行i＝i 1,重复第(2)步，其中求交集的过程为：将a和b1,b2...放到同一平面下，mask的值为1的区域(肋骨分割区域)会有相交的部分，也就是交集，a区域的替代mask可以理解为：只保留原a区域中与b1,b2...有交集的部分。
73.步骤3的具体过程可参考实施例2进行辅助理解。
74.实施例2，去除粘连后，对肋骨区域进行分组(每块肋骨是一组，此处需注意，每块肋骨可以理解为一根完整的肋骨也可以是一段肋骨，只要是一段完整连接的没有断开的骨骼均可以成为一块肋骨)，方法如下：
75.(1)同a的遍历顺序相同，设j是当前序列编号，其冠状面有p个肋骨区域，遍历每一个区域s，将其和第j-1序列中的每一个肋骨区域t求dice，如果dice》0.1，将s和t归为一组(s和t同属一块肋骨)，同时记录s的neighbor个数(和它dice大于0.1的不同序列的同属一组的肋骨区域个数),即，相邻个数值。如果不存在任何区域和s的dice大于0.1,则将其归为新的一组(出现新的一块肋骨)，如此即可得到n组数据。
76.步骤4的具体过程可参考实施例3进行辅助理解。
77.实施例3，寻找每一块肋骨的末端位置(此处需注意，每块肋骨包含两个末端位置)的方法如下：
78.n组数据每一组代表一块肋骨，每一组数据都包括多个2d区域，neighbor为1的2d区域代表这块肋骨可能是末端位置，根据冠状面后背到胸前肋骨形状的走势(从肋骨某个中部区域到肋骨两端)特征，可以发现起始的中部区域neighbor也可能是1，即从后背到胸前的顺序依次观察ct2d序列图像可发现最先看到的肋骨是两端之间的某个区域，按照本专利的算法步骤会得出这个区域的neighbor也是1，可排除这些区域。如此剩下neighbor是1的区域就是两个末端位置。
79.在每一块肋骨的末端位置往外扩造一个10像素*10像素*10像素大小的立方体块，作为一个试探触手，如果触手和椎骨的mask相交，即，触手在图像的位置和mask值为2的区域(也就是椎骨区域)有重叠，则标记这块肋骨为主肋，即主肋骨，这样也可以得到主肋靠近椎骨的末端和另外一端，如果不和椎骨的mask相交，则标记为断肋。
80.从主肋的非脊椎端伸出30像素*30像素*30像素的主动触手，断肋的两个末端伸出30像素*30像素*30像素的被动触手，如果存在一个主动触手和一个被动触手相交，说明两个肋骨可能原属同一根肋骨，若存在多个被动触手和主动触手相交，则选择两个触手的3d iou最大的一对，之后将对应的主肋和断肋重新归为同一组，这样就实现了断骨查找。iou是个广泛使用的计算方法，iou＝两个区域的交集/两个区域的并集。
81.步骤5的具体过程可参考实施例4进行辅助理解。
82.实施例4，计算每个2d椎骨mask区域的中心，将这些中心点连起来，就可以提取椎骨的3d中心线，每一组肋骨组成的3d mask的中心，即mask为1的区域内(肋骨区域内)离该区域边缘距离最大的点就是该区域的中心点，来区分左肋和右肋，肋骨中心在椎骨中心线的左侧，就是左肋，同理可得右肋，之后通过每一组肋骨的上下位置进行标号排序，即，按照上下位置从第一肋骨标记到第十二肋骨。至此就完成了整个肋骨计数标记过程，每一组肋骨的上下位置是根据在3d空间的坐标点。
83.优选地，在上述任意实施例中，步骤2具体包括：
84.步骤201，对所述肋骨的第一2d分割mask图像集中的第i张图像上的任意一个第一肋骨区域进行第一判断，若所述第一肋骨区域的第一判断结果为粘连区域，则分别对所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域进行交集处理，将交集处理结果作为新的第一肋骨区域进行更新，其中i为正整数；
85.步骤202，重复步骤201，直至完成所述第i张图像上所有第一肋骨区域的更新；
86.步骤203，重复步骤201及步骤202，直至完成所述第一2d分割图像集中所有图像的更新，得到第一分割图像集；
87.其中，所述第一判断为：计算所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域的第一dice值，若所述第一dice值超过第一阈值，则所述第一肋骨区域为粘连区域。
88.优选地，在上述任意实施例中，步骤3具体包括：
89.步骤301，将所述第一分割图像集中的第j张图像上的任意一个第三肋骨区域分别与第j-1张图像上的所有第四肋骨区域进行第二dice值计算，将所述第二dice值大于第二阈值对应的第四肋骨区域与所述第三肋骨区域判定为同属肋骨，将判定为同属肋骨的肋骨区域生成第一组肋骨的图像数据集，并根据所述第二dice值超过第二阈值对应的第四肋骨区域的个数更新所述第三肋骨区域的相邻个数值，将所述第二dice值不大于所述第二阈值对应的第四肋骨区域生成第二组肋骨的图像数据集，其中j为正整数；
90.步骤302，重复步骤301，直至完成所述第j张图像上所有第三肋骨区域的计算；
91.步骤303，重复步骤301及步骤302，直至完成所述第一分割图像集中所有图像的计算，得到n组肋骨的图像数据集。
92.优选地，在上述任意实施例中，步骤4具体包括：
93.步骤401，根据肋骨形状的走势特征，对n组肋骨的图像数据集进行判断，得到每组肋骨的图像数据集的末端位置区域，其中，所述末端位置区域为相邻个数值为1且为末端位置的肋骨区域；
94.步骤402，在所述末端位置区域处向外扩建一个第一试探触手，所述第一试探触手为一个预设大小的立方体块，判断所述第一试探触手是否与椎骨的第一2d分割mask图像集相交，生成第二判断结果，将所述第二判断结果为是的末端位置区域对应的肋骨的图像数据集定义为第一主肋骨；
95.步骤403，将所述第二判断结果为否的末端位置区域处向外扩建一个第二试探触手，判断所述第二试探触手是否与所述第主肋骨相交，生成第三判断结果；
96.步骤404，将所述第三判断结果为是的第二试探触手以及对应相交的第一主肋骨定义为第二主肋骨；
97.步骤405，重复步骤403至步骤404，直至完成所有肋骨的图像数据集的判断。
98.需要说明的是，同属肋骨为属于同一根或一组肋骨的两段或多段骨骼或肋骨区域，末端位置为一段骨骼的两端，其中，本算法找末端是是在冠状面视角下根据肋骨的横向走势配合计算相邻个数值得到的，不是根据骨骼切面的大小判断的，所以跟形状也没有关系，自然也就不会影响正确找到两端。相邻个个数值为：和待比较区域的dice值大于0.1的不同序列的同属一组的肋骨区域个数，肋骨形状的走势为从后背到胸前的观察顺序所得到的肋骨形状以及趋势。
99.优选地，在上述任意实施例中，步骤5具体包括：
100.根据所述椎骨的第一2d分割mask图像集确定椎骨的3d中心线，根据所述判断结果确定每组肋骨的图像数据集的3dmask中心，基于所述3d中心线以及所述3dmask中心，完成肋骨图像的标记。
101.需要说明的是，3dmask中心为mask为1的区域内(肋骨区域内)离该区域边缘距离最大的点就是该区域的中心点。
102.如图2所示，一种ct图像的标记系统，包括：
103.转换模块100，用于将ct图像集输入至分割模型，得到肋骨的第一3d分割mask图像集和椎骨的第二3d分割mask图像集，对所述第一3d分割mask图像集和所述第二3d分割mask图像集进行转换，得到肋骨的第一2d分割mask图像集以及椎骨的第一2d分割mask图像集；
104.去粘连模块200，用于对所述肋骨的第一2d分割mask图像集进行去粘连处理，得到第一分割图像集；
105.处理模块300，用于对所述第一分割图像集进行分组处理，得到n组肋骨的图像数据集，其中，每组肋骨的图像数据集表示为：任一一根肋骨mask图像数据集或任一一段完整的骨骼mask图像数据集；
106.判断模块400，用于从n组肋骨的图像数据集中判断属于同一根肋骨的图像数据集，得到判断结果；
107.标记模块500，用于根据所述椎骨的第一2d分割mask图像集确定椎骨的3d中心线，基于所述3d中心线以及所述判断结果，完成肋骨图像的标记。
108.在一些可能的实施方式中，通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
109.优选地，在上述任意实施例中，所述去粘连模块200具体用于：
110.交集模块，用于对所述肋骨的第一2d分割mask图像集中的第i张图像上的任意一个第一肋骨区域进行第一判断，若所述第一肋骨区域的第一判断结果为粘连区域，则分别对所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域进行交集处理，将交集处理结果作为新的第一肋骨区域进行更新，其中i为正整数；
111.第一重复模块，重复交集模块，直至完成所述第i张图像上所有第一肋骨区域的更新；
112.第二重复模块，重复交集模块以及第一重复模块，直至完成所述第一2d分割图像集中所有图像的更新，得到第一分割图像集；
113.其中，所述第一判断为：计算所述第一肋骨区域与第i 1张图像上的所有第二肋骨区域的第一dice值，若所述第一dice值超过第一阈值，则所述第一肋骨区域为粘连区域。
114.优选地，在上述任意实施例中，所述处理模块300具体用于：
115.更新模块，用于将所述第一分割图像集中的第j张图像上的任意一个第三肋骨区域分别与第j-1张图像上的所有第四肋骨区域进行第二dice值计算，将所述第二dice值大
于第二阈值对应的第四肋骨区域与所述第三肋骨区域判定为同属肋骨，将判定为同属肋骨的肋骨区域生成第一组肋骨的图像数据集，并根据所述第二dice值超过第二阈值对应的第四肋骨区域的个数更新所述第三肋骨区域的相邻个数值，将所述第二dice值不大于所述第二阈值对应的第四肋骨区域生成第二组肋骨的图像数据集，其中j为正整数；
116.第三重复模块，用于重复更新模块，直至完成所述第j张图像上所有第三肋骨区域的计算；
117.第四重复模块，用于重复更新模块及第三重复模块，直至完成所述第一分割图像集中所有图像的计算，得到n组肋骨的图像数据集。
118.优选地，在上述任意实施例中，所述判断模块400具体用于：
119.位置判断模块，根据肋骨形状的走势特征，对n组肋骨的图像数据集进行判断，得到每组肋骨的图像数据集的末端位置区域，其中，所述末端位置区域为相邻个数值为1且为末端位置的肋骨区域；
120.设置模块，在所述末端位置区域处向外扩建一个第一试探触手，所述第一试探触手为一个预设大小的立方体块，判断所述第一试探触手是否与椎骨的第一2d分割mask图像集相交，生成第二判断结果，将所述第二判断结果为是的末端位置区域对应的肋骨的图像数据集定义为第一主肋骨；
121.扩建模块，将所述第二判断结果为否的末端位置区域处向外扩建一个第二试探触手，判断所述第二试探触手是否与所述第主肋骨相交，生成第三判断结果；
122.确定模块，将所述第三判断结果为是的第二试探触手以及对应相交的第一主肋骨定义为第二主肋骨；
123.第五重复模块，重复扩建模块至确定模块，直至完成所有肋骨的图像数据集的判断。
124.优选地，在上述任意实施例中，标记模块500具体用于：
125.根据所述椎骨的第一2d分割mask图像集确定椎骨的3d中心线，根据所述判断结果确定每组肋骨的图像数据集的3dmask中心，基于所述3d中心线以及所述3dmask中心，完成肋骨图像的标记。
126.本发明解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一项所述的一种ct图像的标记方法。
127.在一些可能的实施方式中，通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
128.本发明解决上述技术问题的另一种技术方案如下：一种电子设备，包括上述存储介质、执行上述存储介质内的指令的处理器。
129.在一些可能的实施方式中，通过对于3d图像的转换可以便于后续数据的提取以及合并处理，通过去粘连的方式可以有效规避图像中的两个肋骨区域过于临近进而导致的最
终标记结果存在偏差的情况，通过对第一分割图像集的分组处理可以快速将二维图片合成完整连续的三维图片，通过对肋骨的图像数据集的判断可以得到出自于同一根肋骨的影像图片集即三维图片，便于后续对影像图片的标记，通过本发明可以省去大量的训练时间以及成本，且通过本发明最终得到的图片标记更为准确。
130.读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
131.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
132.上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
133.以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。