[发明专利]一种医学图像分割方法及装置

说明书

本发明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。

技术领域

本发明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。

背景技术

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。

发明内容

有鉴于此，本发明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。

本发明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；