[发明专利]一种图像分割方法、装置、设备及存储介质

说明书

本发明实施例公开了一种图像分割方法、装置、设备及存储介质。该方法包括：获取目标对象的图像数据，并根据图像数据确定待分割图像；基于预设的低阈值区域增长算法对待分割图像进行分割，得到管状结构的初分割图像；对初分割图像进行骨架化处理，得到管状结构的图像树；基于预设的高阈值概率裁剪算法对图像树进行裁剪，并根据裁剪后的图像树确定管状结构的分割图像。本发明实施例的技术方案，解决了现有方案中存在的分割不完整或是分割泄露的问题，可以精确分割出医学图像中的管状结构例如气管、血管、冠脉等，为医学诊断提供了依据。

技术领域

本发明实施例涉及医学图像处理技术，尤其涉及一种图像分割方法、装置、设备及存储介质。

背景技术

心血管疾病是发病率和死亡率较高的疾病，基于电子计算机X射线断层扫描(Computed Tomography，CT)技术的心脏冠脉分割可以提取出冠脉的左右冠脉树轮廓以及冠脉的主干和细枝，可以让医生更加方便的观察狭窄、钙化和斑块等情况，从而为医生对心血管疾病的早期预防和诊断提供依据。

现有的管状例如血管、气管、冠脉等结构的分割多是基于区域增长技术或是基于中心线追踪技术。但是，基于区域增长的分割技术是基于种子点的区域增长，如果采用过高阈值则会导致分割不完整、采用过低阈值则会产生分割泄露的问题；而基于中心线追踪的分割技术是基于预设的步长和方向的分割，当步长和方向存在间隔时，可能会跳过一些细小分支，导致分割不完整的问题。

发明内容

本发明实施例提供了一种图像方法、装置、设备及存储介质，解决了管状结构分割领域存在的分割不完整或是分割泄露的问题。

第一方面，本发明实施例提供了一种图像分割方法，可以包括：

获取目标对象的图像数据，并根据图像数据确定待分割图像；

基于预设的低阈值区域增长算法对待分割图像进行分割，得到管状结构的初分割图像；

对初分割图像进行骨架化处理，得到管状结构的图像树；

基于预设的高阈值概率裁剪算法对图像树进行裁剪，并根据裁剪后的图像树确定管状结构的分割图像。

可选的，对初分割图像进行骨架化处理，得到管状结构的图像树，包括：

遍历初分割图像中各数据，如果删除数据不改变初分割图像的连通性，则删除数据；否则，保留数据，作为骨架数据；

根据骨架数据确定左树起始点和右树起始点，并分别确定各骨架数据到左树起始点和右树起始点的路径，得到管状结构的图像树。

可选的，基于预设的高阈值概率裁剪算法对图像树进行裁剪，可以包括：

确定图像树中各叶子节点到左树起始点和右树起始点的路径；

遍历各路径，裁剪小于预设的高概率阈值的叶子节点。

可选的，基于预设的高阈值概率裁剪算法对图像树进行裁剪，可以包括：

如果中间路径中各分支节点小于预设的高概率阈值且各分支节点的个数大于预设阈值，确定各分支节点中的起始端点和末端端点，其中，分支节点是除根节点和叶子节点之外的节点；

基于预设的最优路径算法，找到起始端点和末端端点之间的路径，则替换中间路径；否则，裁剪中间路径中各分支节点。

可选的，在获取目标对象的图像数据之后，所述方法还可以包括：

基于预设特征和预设机器学习算法对图像数据进行增强，并将增强后的数据作为图像数据；其中，预设特征包括海森特征和下述中的至少一个：灰度、梯度以及随机哈尔。

可选的，基于预设的低阈值区域增长算法对待分割率图像进行分割，包括：