【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。