【技术实现步骤摘要】
本申请涉及医学图像处理相关，尤其涉及一种轻量多尺度的生物医学图像分割方法。
技术介绍
1、在生物医学领域，精确的图像分割是手术导航、疾病诊断与治疗规划中的关键环节，实时图像分割技术可以用于辅助外科手术的导航，例如，在微创手术中，图像分割可以帮助外科医生识别并避免重要的解剖结构（如血管、神经）。然而，随着医学影像技术的飞速发展，从x光、ct、mri到超声成像，医学图像的种类和数量都在不断增加，这些生物医学图像通常具有高度的复杂性和多样性，包含复杂的解剖结构和病理特征，比如包括不同的成像模态、分辨率、对比度以及噪声等，使得传统的图像分割方法面临巨大挑战，现有的图像分割在面对动态变化的手术时，需要实时处理复杂的生物医学图像，例如器官的移动、器械的插入或移出等，往往难以在保证分割精度的同时，实现精准、高效的图像分割处理，从而影响手术过程中定位病灶和解剖结构的精准度。
2、现阶段生物医学图像分割相关技术中，存在难以适应复杂和多样化的图像分割任务，进而导致图像分割精度不高、手术导航的可靠性和安全性降低的技术问题。
技术实现思路
1、本申请通过提供一种轻量多尺度的生物医学图像分割方法，解决了现有生物医学图像分割存在的难以适应复杂和多样化的图像分割任务，进而导致图像分割精度不高、手术导航的可靠性和安全性降低的技术问题，实现高精度的图像分割，达到了提高手术的可靠性和安全性的技术效果。
2、本申请提供一种轻量多尺度的生物医学图像分割方法，包括：针对目标手术任务，采集获取基准位医
3、在可能的实现方式中，根据所述基准位医学图像，结合目标手术的关键肌理特征信息进行重要性分析和特征显性分析，标定基准定位参照点，还执行以下处理：分析所述基准位医学图像中的解剖学关键结构，基于所述解剖学关键结构提取关键肌理特征信息，所述关键肌理特征信息包括但不限于纹理特征、形状特征和边缘特征；通过特征显性分析，对所述关键肌理特征信息进行显著性排序，并根据排序结果，选择关键肌理特征点标定为基准定位参照点。
4、在可能的实现方式中，基于实时手术过程，进行连续图像采集，并参照所述基准定位参照点进行实时图像追踪分割，还执行以下处理：基于实时手术过程，进行连续图像采集，获得连续图像序列，所述连续图像序列包含多张连续医学图像；根据所述连续图像序列，进行所述基准定位参照点的定位识别和运动轨迹分析，生成基准点运动轨迹；参照所述基准点运动轨迹，对所述连续医学图像进行快速定位对齐，并将对齐后的图像进行多尺度特征提取，生成多尺度特征图。
5、在可能的实现方式中，将对齐后的图像进行多尺度特征提取，捕捉局部细节和全局信息，生成多尺度特征图，还执行以下处理：基于所述连续图像序列，提取初始医学图像；针对所述初始医学图像，进行所述基准定位参照点的识别标定后，进行首次多尺度特征提取，获得初始图像特征；参照图像采集顺序，依次遍历对齐后的连续图像序列，结合所述初始图像特征，进行多尺度特征提取，生成多尺度特征图。
6、在可能的实现方式中，进行多尺度特征提取，还执行以下处理：构建多尺度处理层，所述多尺度处理层包含多个卷积层和多尺度池化层，根据所述多个卷积层分别对所述连续医学图像的不同区域进行卷积处理，获得不同尺度的特征图；通过所述多尺度池化层将不同尺度的特征图汇总，输出所述多尺度特征图。
7、在可能的实现方式中，引入特征融合机制，对所述多尺度特征图进行逐层融合，获得融合特征图，还执行以下处理：基于所述多尺度特征图，提取高层语义特征与低层空间细节特征；引入特征金字塔网络，将所述高层语义特征与低层空间细节特征进行逐层融合，在每个融合层中，使用跳跃连接将高分辨率特征与低分辨率特征结合，生成融合特征图。
8、在可能的实现方式中，将所述融合特征图进行轻量化分割解码，获得图像分割结果，还执行以下处理：采用深度可分离卷积技术，构建轻量级解码网络结构；基于所述轻量级解码网络结构，将所述融合特征图进行分割解码，输出分割结果图。
9、在可能的实现方式中，所述一种轻量多尺度的生物医学图像分割方法，还执行以下处理：所述实时图像追踪和轻量化分割解码通过硬件加速模块实现，在gpu或tpu上进行并行计算，以加速多尺度特征提取和分割解码，实时输出分割图像。
10、拟通过本申请提出的一种轻量多尺度的生物医学图像分割方法，针对目标手术任务，采集获取基准位医学图像；结合目标手术的关键肌理特征信息进行特征重要性和特征显性分析，标定基准定位参照点；进行实时图像追踪分割，包括对连续医学图像的快速定位对齐和多尺度特征提取，生成多尺度特征图；引入特征融合机制，对多尺度特征图进行逐层融合，获得融合特征图；获得图像分割结果。解决了现有生物医学图像分割存在的难以适应复杂和多样化的图像分割任务，进而导致图像分割精度不高、手术导航的可靠性和安全性降低的技术问题，实现高精度的图像分割，达到了提高手术的可靠性和安全性的技术效果。
本文档来自技高网...【技术保护点】
1.一种轻量多尺度的生物医学图像分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，根据所述基准位医学图像，结合目标手术的关键肌理特征信息进行重要性分析和特征显性分析，标定基准定位参照点，包括：
3.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，基于实时手术过程，进行连续图像采集，并参照所述基准定位参照点进行实时图像追踪分割，包括：
4.如权利要求3所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，将对齐后的图像进行多尺度特征提取，捕捉局部细节和全局信息，生成多尺度特征图，包括：
5.如权利要求4所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，进行多尺度特征提取，包括：
6.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，引入特征融合机制，对所述多尺度特征图进行逐层融合，获得融合特征图，包括：
7.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，将所述融合特征图进行轻量化分割解
8.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，所述实时图像追踪和轻量化分割解码通过硬件加速模块实现，在GPU或TPU上进行并行计算，以加速多尺度特征提取和分割解码，实时输出分割图像。
...【技术特征摘要】
1.一种轻量多尺度的生物医学图像分割方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，根据所述基准位医学图像，结合目标手术的关键肌理特征信息进行重要性分析和特征显性分析，标定基准定位参照点，包括：
3.如权利要求1所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，基于实时手术过程，进行连续图像采集，并参照所述基准定位参照点进行实时图像追踪分割，包括：
4.如权利要求3所述的一种轻量多尺度的生物医学图像分割方法，其特征在于，将对齐后的图像进行多尺度特征提取，捕捉局部细节和全局信息，生成多尺度特征图，包括：
5...
【专利技术属性】
技术研发人员：宁艳辉，舒健，杨文萱，席宁宇，果海尔克热木，
申请(专利权)人：深圳康智睿生物科技创新服务有限公司，
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。