[发明专利]医学图像中目标对象的分割方法、装置和电子设备

说明书

本申请实施例提供了一种医学图像中目标对象的分割方法、装置和电子设备。该方法包括：获取待分割的医学图像；根据掩码区域卷积神经网络模型，确定出待分割的医学图像中各目标对象的初步分割结果；基于初步分割结果中的掩码，对初步分割结果中的各目标对象进行分割，得到各独立的目标对象；输出包含各独立的目标对象的图像。本申请实施例利用掩码区域卷积神经网络模型提升目标对象的初步分割精度，并利用掩码对初步分割结果进一步进行分割，可以消除目标对象重叠的影响，大大提升了目标对象的分割精度；节省了医学图像中候选区域之外的像素点的处理步骤，从而降低了计算量，整体上缩短了分割所需时间，提升了分割效率。

技术领域

本申请涉及图像处理技术领域，具体而言，本发明涉及一种医学图像中目标对象的分割方法、装置和电子设备。

背景技术

某些疾病的检查通常包括：对待检测人(例如病人或体检者)的组织器官进行活体采样获得组织样本；利用专业仪器对组织样本进行扫描得到医学图像，供医生观察判断。但是，一方面一般医学图像中包含的诸如组织细胞等目标对象的数量十分庞大，医生长时间逐一筛查目标对象将十分耗时耗力；另一方面，长时间的医学图像判读容易导致医生产生疲劳，很容易出现误检与漏检的现象。因此，相关技术人员开发了目标对象的分割方法。

现有技术存在一种基于实例分割(Instance Segmentation)的目标对象的分割方法，通过对医学图像进行像素级别的分类，将医学图像中的各目标对象(例如细胞核)分割出来。

然而，本申请的发明人发现，利用现有技术从医学图像中分割出的目标对象的精度较为低下，容易误导后续的观察和判断；而且，现有技术的分割过程速度较慢，耗时较长。

发明内容

本申请提供了一种医学图像中目标对象的分割方法、装置和电子设备，可以解决目标对象的分割精度较为低下或分割过程速度较慢的问题。所述技术方案如下：

第一方面，提供了一种医学图像中目标对象的分割方法，包括：

获取待分割的医学图像；

根据掩码区域卷积神经网络模型，确定出待分割的医学图像中各目标对象的初步分割结果；

基于初步分割结果中的掩码，对初步分割结果中的各目标对象进行分割，得到各独立的目标对象；

输出包含各独立的目标对象的图像。

可选地，基于初步分割结果中的掩码，对初步分割结果中的各目标对象进行分割，得到各独立的目标对象，包括：

根据前景中每个像素点的掩码，确定出前景中每个像素点的位置信息；前景包括初步分割结果中各目标对象；目标对象包括细胞、细胞核和病灶中的一种；

根据每个像素点的位置信息，确定每个像素点与最近的边缘之间的距离；边缘为目标对象的边缘；

根据各像素点与最近的边缘之间的距离，确定每个独立的目标对象的边缘界限。

可选地，根据各像素点与最近的边缘之间的距离，确定每个独立的目标对象的边缘界限，包括：

根据各像素点与最近的边缘之间的距离，构建距离图；距离图中以不同的颜色表征具有不同距离的像素点；

根据距离图，确定每个独立的目标对象的边缘界限。

可选地，确定每个独立目标对象的边缘界限之后，还包括：

根据每个独立的目标对象的边缘界限，对每个独立的目标对象进行膨胀操作，得到形态膨胀后的各独立的目标对象。

可选地，掩码区域卷积神经网络模型是的通过下述方法预先训练得到的：

从训练集中抽选出多个训练子集；