图像分割方法、装置、电子设备以及存储介质制造方法及图纸

本发明专利技术公开了一种图像分割方法、装置、电子设备以及存储介质。该方法包括：获取原始图像，基于预先训练完成的初始分割模型和骨架分割模型，分别得到原始图像的初始分割图像和骨架分割图像；对初始分割图像和骨架分割图像进行融合处理，生成第一处理图像；对初始分割图像和骨架分割图像进行做差处理，生成骨架分割图像中的骨架连通线段；基于骨架连通线段扩展处理后的扩展连通区域以及第一处理图像，生成原始图像的目标分割图像。通过本发明专利技术实施例公开的技术方案，解决了基于现有分割方法得到的分割结果中存在区域中断的现象，从而导致分割结果准确性较差的问题，实现了提高分割结果的完整性，从而提高分割结果的准确性。从而提高分割结果的准确性。从而提高分割结果的准确性。

【技术实现步骤摘要】
图像分割方法、装置、电子设备以及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像分割方法、装置、电子设备以及存储介质。

技术介绍

[0002]在现代医学
中，自动化冠脉重建技术对医生有着重要的临床价值和实际意义，进行自动化冠脉重建首先需要解决该过程中的自动化冠脉分割问题。区别于传统的冠脉分割方法，由于神经网络的诸多优点，愈发倾向于采用神经网络来完成冠脉分割工作。
[0003]本专利技术实施例在基于神经网络进行冠脉分割的过程中，发现其分割结果中存在区域中断的现象，从而导致分割结果准确性较差。

技术实现思路

[0004]本专利技术提供了一种图像分割方法、装置、电子设备以及存储介质，以解决基于现有分割方法得到的分割结果中存在区域中断的现象，从而导致分割结果准确性较差的问题，以实现提高分割结果的完整性，从而提高分割结果的准确性。
[0005]第一方面，本专利技术实施例提供了一种图像分割方法，该方法包括：
[0006]获取原始图像，基于预先训练完成的初始分割模型和骨架分割模型，分别得到所述原始图像的初始分割图像和骨架分割图像；
[0007]对所述初始分割图像和所述骨架分割图像进行融合处理，生成第一处理图像；
[0008]对所述初始分割图像和所述骨架分割图像进行做差处理，生成所述骨架分割图像中的骨架连通线段；
[0009]基于所述骨架连通线段扩展处理后的扩展连通区域以及所述第一处理图像，生成所述原始图像的目标分割图像。
[0010]可选的，所述对所述初始分割图像和所述骨架分割图像进行做差处理，生成所述骨架分割图像中的骨架连通线段，包括：
[0011]对所述初始分割图像和所述骨架分割图像进行做差处理，确定所述骨架分割图像中的至少一段候选骨架线段；
[0012]基于所述候选骨架线段的线段端点与所述第一处理图像的区域边界，确定所述候选区域中的至少一段骨架连通线段。
[0013]可选的，所述基于所述骨架连通线段扩展处理后的扩展连通区域以及所述第一处理图像，生成所述原始图像的目标分割图像，包括：
[0014]对于任一骨架连通线段，基于所述第一处理图像的区域边界确定当前骨架连通线段的至少一个扩展参数；
[0015]基于所述扩展参数对所述骨架连通线段进行扩展处理，得到所述骨架连通线段的扩展连通区域；
[0016]对所述第一处理图像以及所述扩展连通区域进行融合处理，生成所述原始图像的
目标分割图像。
[0017]可选的，所述扩展参数包括骨架连通线段的端点扩展参数以及中心扩展参数；对于任一骨架连通线段，所述端点扩展参数基于当前骨架连通线段的线段端点、以及与所述线段端点连通的各区域边界的边界形状所确定；
[0018]相应的，所述基于所述扩展参数对所述骨架连通线段进行扩展处理，得到所述骨架连通线段的扩展连通区域，包括：
[0019]对各所述端点扩展数据进行线性拟合处理，生成所述当前骨架连通线段的至少一个中心点扩展参数；
[0020]基于所述端点扩展参数、各所述中心扩展参数，生成所述骨架连通线段的扩展连通区域。
[0021]可选的，所述骨架分割模型的训练方法包括：
[0022]获取用于训练所述骨架分割模型的样本图像，以及所述样本图像中标注后的目标区域，并对所述目标区域进行骨架化处理，得到所述目标区域的骨架线段；
[0023]将所述样本图像输入至待训练的骨架分割模型中，得到所述骨架分割模型输出的样本预测结果；
[0024]基于所述目标区域、骨架线段以及所述样本预测结果对所述骨架分割模型进行迭代训练，得到骨架分割模型。
[0025]可选的，所述样本预测结果包括目标区域对应的区域预测结果以及所述骨架线段对应的骨架预测结果；
[0026]相应的，所述基于所述目标区域、骨架线段以及所述样本预测结果对所述骨架分割模型进行迭代训练，包括：
[0027]对于任一轮次迭代，基于所述骨架预测结果、所述目标区域以及所述骨架线段，确定所述骨架分割模型在当前迭代轮次的第一样本预测概率；
[0028]基于所述骨架线段、所述区域预测结果以及所述骨架预测结果，确定所述骨架分割模型在当前迭代轮次的第二样本预测概率；
[0029]基于所述第一样本预测概率以及所述第二样本预测概率生成所述骨架分割模型在当前轮次的模型损失函数，并基于所述模型损失函数调节所述骨架分割模型的模型参数。
[0030]可选的，所述对所述目标区域进行骨架化处理，得到所述目标区域的骨架线段，包括：
[0031]所述基于所述骨架预测结果、所述目标区域以及所述骨架线段，确定所述骨架分割模型在当前迭代轮次的第一样本预测概率，包括：
[0032][0033]其中，Recall表示所述第一样本预测概率；S
P
表示所述骨架预测结果；V
L
表示所述目标区域；S
L
表示所述骨架线段；
[0034]相应的，所述基于所述骨架线段、所述区域预测结果以及所述骨架预测结果，确定所述骨架分割模型在当前迭代轮次的第二样本预测概率，包括：
[0035][0036]其中，Precision表示所述第二样本预测概率；S
L
表示所述骨架线段；V
P
表示所述区域预测结果；S
P
表示所述骨架预测结果；
[0037]相应的，所述基于所述第一样本预测概率以及所述第二样本预测概率生成所述骨架分割模型在当前轮次的模型损失函数，包括：
[0038][0039]其中，skeletonDice loss表示所述模型损失函数；Recall表示所述第一样本预测概率；Precision表示所述第二样本预测概率。
[0040]第二方面，本专利技术实施例还提供了一种图像分割装置，该装置包括：
[0041]分割图像获取模块，用于获取原始图像，基于预先训练完成的初始分割模型和骨架分割模型，分别得到所述原始图像的初始分割图像和骨架分割图像；
[0042]第一处理图像生成模块，用于对所述初始分割图像和所述骨架分割图像进行融合处理，生成第一处理图像；
[0043]骨架连通线段获取模块，用于对所述初始分割图像和所述骨架分割图像进行做差处理，生成所述骨架分割图像中的骨架连通线段；
[0044]目标分割图像生成模块，用于基于所述骨架连通线段扩展处理后的扩展连通区域以及所述第一处理图像，生成所述原始图像的目标分割图像。
[0045]第三方面，本专利技术实施例还提供了一种电子设备，包括：
[0046]至少一个处理器；以及
[0047]与所述至少一个处理器通信连接的存储器；其中，
[0048]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的图像分割方法。
[0049]第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：获取原始图像，基于预先训练完成的初始分割模型和骨架分割模型，分别得到所述原始图像的初始分割图像和骨架分割图像；对所述初始分割图像和所述骨架分割图像进行融合处理，生成第一处理图像；对所述初始分割图像和所述骨架分割图像进行做差处理，生成所述骨架分割图像中的骨架连通线段；基于所述骨架连通线段扩展处理后的扩展连通区域以及所述第一处理图像，生成所述原始图像的目标分割图像。2.根据权利要求1所述的方法，其特征在于，所述对所述初始分割图像和所述骨架分割图像进行做差处理，生成所述骨架分割图像中的骨架连通线段，包括：对所述初始分割图像和所述骨架分割图像进行做差处理，确定所述骨架分割图像中的至少一段候选骨架线段；基于所述段候选骨架线段的线段端点与所述第一处理图像的区域边界，确定所述候选区域中的至少一段骨架连通线段。3.根据权利要求1所述的方法，其特征在于，所述基于所述骨架连通线段扩展处理后的扩展连通区域以及所述第一处理图像，生成所述原始图像的目标分割图像，包括：对于任一骨架连通线段，基于所述第一处理图像的区域边界确定当前骨架连通线段的至少一个扩展参数；基于所述扩展参数对所述骨架连通线段进行扩展处理，得到所述骨架连通线段的扩展连通区域；对所述第一处理图像以及所述扩展连通区域进行融合处理，生成所述原始图像的目标分割图像。4.根据权利要求3所述的方法，其特征在于，所述扩展参数包括骨架连通线段的端点扩展参数以及中心扩展参数；对于任一骨架连通线段，所述端点扩展参数基于当前骨架连通线段的线段端点、以及与所述线段端点连通的各区域边界的边界形状所确定；相应的，所述基于所述扩展参数对所述骨架连通线段进行扩展处理，得到所述骨架连通线段的扩展连通区域，包括：对各所述端点扩展数据进行线性拟合处理，生成所述当前骨架连通线段的至少一个中心点扩展参数；基于所述端点扩展参数、各所述中心扩展参数，生成所述骨架连通线段的扩展连通区域。5.根据权利要求1所述的方法，其特征在于，所述骨架分割模型的训练方法包括：获取用于训练所述骨架分割模型的样本图像，以及所述样本图像中标注后的目标区域，并对所述目标区域进行骨架化处理，得到所述目标区域的骨架线段；将所述样本图像输入至待训练的骨架分割模型中，得到所述骨架分割模型输出的样本预测结果；基于所述目标区域、骨架线段以及所述样本预测结果对所述骨架分割模型进行迭代训练，得到骨架分割模型。6.根据权利要求5所述的方法，其特征在于，所述样本预测结果包括目标区域对应的区
域预测结果以及所述骨架线段对应的骨架预测结果；相应的，所述基于所述目标区域、骨架线段以及所述样本预测结果对所述骨架分割模型进行迭代训练，包括：对于任一轮次迭代，基于所述骨架预测结果、所述...

【专利技术属性】
技术研发人员：黄星胜，马骏，郑凌霄，兰宏志，
申请(专利权)人：深圳睿心智能医疗科技有限公司，
类型：发明
国别省市：