【技术实现步骤摘要】
本专利技术涉及图像分割装置及图像分割方法，尤其涉及适用于多尺度目标分割的基于自适应fov方法的图像分割装置及方法。
技术介绍
1、在医学影像分析中，人体器官、病灶经常表现出多尺度的特点，具体为目标大小的分布较广。例如肺气管从第1级的支气管至最终级的肺泡大约有24级分支，肺部结节的尺度分布可能在0至30毫米甚至更大的范围内，而肾脏肿瘤的大小直径可为3厘米以下至20～30厘米左右。如何提升不同尺度目标的分割效果一直是医学图像分割处理的重要课题。
2、医学图像的分割可分为全自动和半自动两种方式。全自动医学图像分割是输入指定图像后直接由模型自动获得分割结果(如肿瘤、器官、组织等)的技术。在全自动医学图像分割的任务中，分割目标经常在形状、尺度、位置上存在较大差异，针对这些形状、尺度、位置上存在较大差异的分割目标均能获得准确的分割结果是困难的。
3、另一方面，半自动医学图像分割被更普遍地采用，半自动医学图像分割是指例如先由用户手动指定分割位置或者范围，再由模型对指定的位置或范围进行分割的技术。在半自动医学图像分割的任务中，指定分割范围是关键，如果指定了过大的视场范围(fieldof view，fov)则对小目标的分割精度不足，产生计算资源浪费；相反如果指定过小fov，则容易出现目标覆盖不全的情况。
4、现有技术中，针对图像分割采取了一些措施试图解决上述问题，这些措施可以列举例如滑动窗(sliding window)技术，通过滑动窗口的形式将整个图像切分成固定大小的图像块(patch)后进行推理，并整合各图
5、现有技术文献：
6、专利文献：cn109598728a
7、非专利文献：
8、非专利文献1："a3d coarse-to-fine framework for volumetric medicalimage segmentation,"2018international conference on 3d vision(3dv),2018,pp.682-690,doi:10.1109/3dv.2018.00083.
9、非专利文献2："nnu-net:a self-configuring method for deep learning-based biomedical image segmentation"nat methods 18,203–211(2021).(https://doi.org/10.1038/s41592-020-01008-z)
10、非专利文献3："l-snet:from region localization to scale invariantmedical image segmentation"jiahao xie,sheng zhang,jianwei lu,ye luo(https://arxiv.org/abs/2102.05971)
技术实现思路
1、现有技术中的问题
2、如上所述，无论采用哪种方式，现有技术在进行图像的分割时通常对所有目标采用相同的处理方式，而不考虑分割目标的尺度差异，这样的做法将带来如下技术问题，即：对大的分割目标来说容易出现fov不够，造成分割不全；而对小的分割目标则容易出现fov过大，造成分割精度不够。
3、另一方面，在传统的医学成像技术中，例如在x射线诊断、内窥镜摄影等相关技术中，可以通过移动诊床或摄影装置从而改变摄影距离的变焦处理，来改变成像区域的大小，在医生的日常阅片行为中也可以通过放大、缩小图像来选取合适的观察视野。
4、因此希望有这样的技术，即：在基于机器学习的医学图像分割等处理中，能够根据不同分割目标的尺度自适应地选择fov，实现如医生阅片的行为那样，在观察视野中自动地将小目标放大，将大目标缩小，以此获得高精度的分割结果。
5、本专利技术的目的是提供用于多尺度目标的分割的基于自适应fov方法的图像分割装置及方法，能够根据分割目标的尺度自适应地选择合适的fov进行分割。
6、用于解决技术问题的手段
7、本专利技术为解决上述现有技术的问题而做出。本专利技术提出了一种用于多尺度目标分割的自适应fov的装置和方法，包括：自适应fov计算单元：对不同尺度的目标特征通过计算、拟合得到自适应fov函数。图像块生成单元，针对不同尺度的目标产生不同fov的图像块。模型训练单元，利用不同fov的图像块针对不同尺度的目标以自适应方式进行模型的训练。模型推理单元，通过粗模型得到初始分割结果，对初始分割结果计算最优fov，再利用精细模型以该最优fov进一步推理得到最终推理结果。
8、具体来说，根据本专利技术的一个方面，提供了一种图像分割装置，对图像中包含的多个分割目标进行分割，其特征在于，具备：可变视场函数计算机构，计算可变视场函数，该可变视场函数能够针对所述多个分割目标自适应地生成对应尺寸的视场范围；图像块生成机构，针对所述多个分割目标，利用所述可变视场函数计算机构计算出的所述可变视场函数，生成对应尺寸的图像块；以及推理机构，利用通过使用所述图像块生成机构生成的所述图像块而训练后的分割模型对所述图像进行推理，获得所述多个分割目标的分割结果。
9、根据本专利技术的另一个方面，提供了一种图像分割方法，对图像中包含的多个分割目标进行分割，其特征在于，包括：可变视场函数计算步骤，计算可变视场函数，该可变视场函数能够针对所述多个分割目标自适应地生成对应尺寸的视场范围；图像块生成步骤，针对所述多个分割目标，利用所述可变视场函数计算步骤中计算出的所述可变视场函数，生成对应尺寸的图像块；以及推理步骤，利用通过使用所述图像块生成步骤生成的所述图像块而训练后的分割模型对所述图像进行推理，获得所述多个分割目标的分割结果。
10、根据本专利技术，针对不同尺寸的分割目标计算出可变视场函数，并且利用所生成的可变视场函数生成具有与各分割目标的尺度分别对应的尺寸的图像块，在此基础上进行图像的分割，因此本专利技术适用于分割目标的尺度、形状差异较大的分割任务，能解决小目标分割精度不够、大目标分割不全的技术问题，获得高精度的分割结果。
11、另外本专利技术可适用于半自动分割算法与全自动分割算法，本专利技术的可变视场函数计算机构可单独应用至其他检测、分割模型中。
本文档来自技高网...【技术保护点】
1.一种图像分割装置，对图像中包含的多个分割目标进行分割，其特征在于，具备：
2.如权利要求1所述的图像分割装置，其特征在于，
3.如权利要求1所述的图像分割装置，其特征在于，
4.如权利要求3所述的图像分割装置，其特征在于，
5.如权利要求4所述的图像分割装置，其特征在于，
6.如权利要求5所述的图像分割装置，其特征在于，
7.如权利要求6所述的图像分割装置，其特征在于，
8.如权利要求3所述的图像分割装置，其特征在于，
9.如权利要求2所述的图像分割装置，其特征在于，
10.如权利要求9所述的图像分割装置，其特征在于，
11.一种图像分割方法，对图像中包含的多个分割目标进行分割，其特征在于，包括：
【技术特征摘要】
1.一种图像分割装置，对图像中包含的多个分割目标进行分割，其特征在于，具备：
2.如权利要求1所述的图像分割装置，其特征在于，
3.如权利要求1所述的图像分割装置，其特征在于，
4.如权利要求3所述的图像分割装置，其特征在于，
5.如权利要求4所述的图像分割装置，其特征在于，
6.如权利要求5所述的图像...
【专利技术属性】
技术研发人员：刘硕林，钟昀辛，王莎，张雪茹，
申请(专利权)人：佳能医疗系统株式会社，
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。