一种医学图像分割方法及装置制造方法及图纸

本发明专利技术公开了一种医学图像分割方法及装置，包括：获取待处理的医学图像；依据已训练的第一语义分割模型，确定出待处理的医学图像的第一敏感区域；对第一敏感区域内的图像进行连通域分析，得到第一目标区域；依据第一目标区域的边界坐标，从待处理的医学图像中提取出第一感兴趣区域的图像；依据已训练的第二语义分割模型，将第一感兴趣区域的图像分割为多个部分；依据预设的传统分割算法，对分割为多个部分的感兴趣区域的图像中的各个分割边界进行修正。由此可知，将基于深度学习的语义分割模型和传统的分割算法相结合，这样不仅可以快速的得到的目标对象的分类结果，还可以得到良好的分割效果。

A medical image segmentation method and device

The invention discloses a medical image segmentation method and device, which include: acquiring a medical image to be processed; determining the first sensitive region of the medical image to be processed according to the trained first semantic segmentation model; analyzing the connected region of the image in the first sensitive region to obtain the first target region; and The boundary coordinates of a target region are used to extract the image of the first region of interest from the medical image to be processed; the image of the first region of interest is divided into several parts according to the trained second semantic segmentation model; and the image of the region of interest is divided into several parts according to the preset traditional segmentation algorithm. The segmentation boundaries are corrected. Therefore, the semantic segmentation model based on depth learning is combined with the traditional segmentation algorithm, which not only can quickly get the classification results of the object, but also can get good segmentation results.

【技术实现步骤摘要】
一种医学图像分割方法及装置
本专利技术涉及医学图像处理领域，尤其涉及一种医学图像分割方法及装置。
技术介绍
肺癌和肝癌是近年来发病率和死亡率不断上升的疾病之一，通过对肺部的医学图像进行肺叶或者肺段的分割，或者通过肝脏的医学图像进行肝叶或者肝段的分割，对于前期病灶的定位以及后期手术具有重要的参考价值。现有技术中，出现了很多图像分割的方法，例如：传统的分割算法，传统的分割算法需要先分割出肺部区域、气管、血管、肺裂等组织，再结合以上信息引入代价函数，并利用分水岭算法对肺部进行分类。该种算法分割出的分割边界较好，分割速度较快，但是过程复杂一旦有一个流程出现失败则会导致整个组织分割结果出现差错。除此之外，现有技术中还出现了基于深度学习的语义分割算法，这些算法不需要依赖医学图像的组织结构，但是得到的肺叶、肺段或者肝叶和肝段的分割结果的边界不准确且耗时太久。
技术实现思路
有鉴于此，本专利技术公开了一种肺部医学图像分割方法及装置，利用深度学习的语义分割方法做粗分割与细分割并利用传统的图像分割算法对边缘进行修正，实现了快速精确的对医学图像中的目标对象进行分类的目的。本专利技术实施例公开了一种医学图像分割方法，包括：获取待处理的医学图像；依据已训练的第一语义分割模型，确定出所述待处理的医学图像的第一敏感区域；对所述第一敏感区域内的图像进行连通域分析，得到第一目标区域；依据所述第一目标区域的边界坐标，从所述待处理的医学图像中提取出第一感兴趣区域的图像；依据已训练的第二语义分割模型，将所述第一感兴趣区域的图像分割为多个部分；依据预设的传统分割算法，对分割为多个部分的感兴趣区域的图像中的各个分割边界进行修正。可选的，对所述待处理的医学图像进行尺寸归一化处理。可选的，对所述第一语义分割模型的训练过程包括：获取原始医学图像，并对所述原始医学图像进行尺寸归一化；获取第一基准图像，对所述第一基准图像进行尺寸归一化；所述第一基准图像为标记了目标对象的区域的医学图像；基于所述原始的医学图像和所述第一基准图像的关系，对所述第一语义分割模型进行训练。可选的，所述获取包含标记了目标对象的区域的第一基准图像，包括：获取具有所述目标对象的分类标记的第二基准图像；所述第二基准图像为具有所述目标对象的分类标记的医学图像；将所述第二基准图像进行二值化处理；将二值化处理后的所述第二基准图像中大于零的像素点置1，得到第一基准图像。可选的，所述对所述第一敏感区域的图像进行连通域分析，得到所述第一目标区域，包括：从所述第一敏感区域中确定出所有的连通域；按照预设的规则，对所述第一敏感区域中各个连通域与第一敏感区域的边界的连接关系以及各个连通域的面积进行分析；将不与所述第一敏感区域的边界相连通且面积最大的连通域作为第一目标区域；所述第一敏感区域的图像为分割出第一敏感区域的待处理的医学图像。可选的，所述对所述第一目标区域的边界坐标，从所述待处理的医学图像中提取出感兴趣区域的图像，包括：基于所述待处理的医学图像的尺寸，对所述第一目标区域的边界坐标进行转换；依据转换后的边界坐标，从所述待处理的医学图像中分割出第一感兴趣区域的图像。可选的，所述第二语义分割模型的训练过程包括：获取原始的医学图像和第二基准图像；从所述原始的医学图像中提取第二感兴趣区域的图像，并从所述第二基准图像中提取第三基准图像；分别对所述第二感兴趣区域的图像和所述第三基准图像进行尺寸归一化；依据所述第二感兴趣区域的图像和所述第三基准图像的关系，对所述第二语义分割模型进行训练。可选的，所述从所述原始的医学图像中提取第二感兴趣区域的图像，并从所述第二基准图像中提取第三基准图像，包括：分别将所述原始的医学图像输入到第一语义分割模型中，输出原始医学图像的第二敏感区域；对所述第二敏感区域进行连通域分析，得到第二目标区域；依据所述第二目标区域的边界坐标，从所述原始的医学图像中提取出第二感兴趣区域的图像，并从所述第二基准图像中提取出第三基准图像。本专利技术实施例还公开了一种医学图像分割装置，包括：第一获取单元，用于获取待处理的医学图像；确定单元，用于依据已训练的第一语义分割模型，确定出所述待处理的医学图像的第一敏感区域；分析单元，用于对所述第一敏感区域内的图像进行连通域分析，得到第一目标区域；提取单元，用于依据所述第一目标区域的边界坐标，从所述待处理的医学图像中提取出第一感兴趣区域的图像；分割单元，用于依据已训练的第二语义分割模型，将所述第一感兴趣区域的图像分割为多个部分；修正单元，用于依据预设的传统分割算法，对分割为多个部分的感兴趣区域的图像中的各个分割边界进行修正。可选的，还包括：第一尺寸归一化单元，用于对所述待处理的医学图像进行尺寸归一化处理。本专利技术实施例公开了一种肺部医学图像分割方法及装置，包括：获取待处理的医学图像；依据已训练的第一语义分割模型，确定出待处理的医学图像的第一敏感区域；对第一敏感区域内的图像进行连通域分析，得到第一目标区域；依据第一目标区域的边界坐标，从待处理的医学图像中提取出第一感兴趣区域的图像；依据已训练的第二语义分割模型，将第一感兴趣区域的图像分割为多个部分；依据预设的传统分割算法，对分割为多个部分的感兴趣区域的图像中的各个分割边界进行修正。由此可知，将基于深度学习的语义分割模型和传统的分割算法相结合，这样不仅可以快速的得到的目标对象的分类结果，还可以得到良好的分割效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1示出了本专利技术实施例提供的一种医学图像分割方法的流程示意图的流程示意图；图2示出了本专利技术实施例提供的医学图像分割方法的场景示意图；图3示出了本专利技术实施例提供的第一语义分割模型的训练方法的流程示意图；图4示出了本专利技术实施例提供的本专利技术实施例提供的第二语义分割模型的训练过程的流程示意图；图5示出了本专利技术实施例提供的一种医学图像的分割装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参考图1，示出了本专利技术实施例提供的一种医学图像分割方法的流程示意图，在本实施例中，该方法包括：S101：获取待处理的医学图像；本实施例中，医学图像生成时，由于设备本身的原因，或者由于图像生成过程中产生的噪音，得到的医学图像含有噪声，需要进行预处理后才可以执行相关的操作，例如：对医学图像进行去噪处理、滤波处理等。除此之外，由于病人的年龄、性别、胖瘦等会引起的医学图像的形态和尺寸不同，为了消除病人的年龄、性别和胖瘦等引起的差异，可以将医学图像进行尺寸归一化，即，将图像处理过程中的图像的尺寸调整为同样的大小。例如，图2-a到2-b所示，其中2-a可以表示待处理的医学图像，2-b可以表示进行尺寸归一化后的医学图像。需要说明的是，S101中的待处理的医学图像可以为二维的医本文档来自技高网...

【技术保护点】
1.一种医学图像分割方法，其特征在于，包括：获取待处理的医学图像；依据已训练的第一语义分割模型，确定出所述待处理的医学图像的第一敏感区域；对所述第一敏感区域内的图像进行连通域分析，得到第一目标区域；依据所述第一目标区域的边界坐标，从所述待处理的医学图像中提取出第一感兴趣区域的图像；依据已训练的第二语义分割模型，将所述第一感兴趣区域的图像分割为多个部分；依据预设的传统分割算法，对分割为多个部分的感兴趣区域的图像中的各个分割边界进行修正。

【技术特征摘要】
1.一种医学图像分割方法，其特征在于，包括：获取待处理的医学图像；依据已训练的第一语义分割模型，确定出所述待处理的医学图像的第一敏感区域；对所述第一敏感区域内的图像进行连通域分析，得到第一目标区域；依据所述第一目标区域的边界坐标，从所述待处理的医学图像中提取出第一感兴趣区域的图像；依据已训练的第二语义分割模型，将所述第一感兴趣区域的图像分割为多个部分；依据预设的传统分割算法，对分割为多个部分的感兴趣区域的图像中的各个分割边界进行修正。2.根据权利要求1所述的方法，其特征在于，对所述待处理的医学图像进行尺寸归一化处理。3.根据权利要求2所述的方法，其特征在于，对所述第一语义分割模型的训练过程包括：获取原始医学图像，并对所述原始医学图像进行尺寸归一化；获取第一基准图像，对所述第一基准图像进行尺寸归一化；所述第一基准图像为标记了目标对象的区域的医学图像；基于所述原始的医学图像和所述第一基准图像的关系，对所述第一语义分割模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述获取包含标记了目标对象的区域的第一基准图像，包括：获取具有所述目标对象的分类标记的第二基准图像；所述第二基准图像为具有所述目标对象的分类标记的医学图像；将所述第二基准图像进行二值化处理；将二值化处理后的所述第二基准图像中大于零的像素点置1，得到第一基准图像。5.根据权利要求1所述的方法，其特征在于，所述对所述第一敏感区域的图像进行连通域分析，得到所述第一目标区域，包括：从所述第一敏感区域中确定出所有的连通域；按照预设的规则，对所述第一敏感区域中各个连通域与第一敏感区域的边界的连接关系以及各个连通域的面积进行分析；将不与所述第一敏感区域的边界相连通且面积最大的连通域作为第一目标区域；所述第一敏感区域的图像为分割出第一敏感区域的待处理的医学图像。6.根据权利要求2所述的方法，其特征在于，所述对所述第一目标区域的边...

【专利技术属性】
技术研发人员：张敏淑，陈杰，
申请(专利权)人：深圳天琴医疗科技有限公司，
类型：发明
国别省市：广东,44