[发明专利]医学影像分割方法、装置、计算机设备及可读存储介质在审

专利信息
申请号: 201910764981.X 申请日: 2019-08-19
公开(公告)号: CN110490881A 公开(公告)日: 2019-11-22
发明(设计)人: 曹世磊;胡一凡;马锴;郑冶枫 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T7/11 分类号: G06T7/11;G06T7/215;G06T7/00
代理公司: 44300 深圳翼盛智成知识产权事务所(普通合伙) 代理人: 黄威<国际申请>=<国际公布>=<进入国
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 医学影像 特征信息 目标对象区域 运动信息 光流 标注 分割 计算机视觉技术 可读存储介质 特征信息获取 计算机设备 分割结果 目标对象 人工智能 特征提取 医疗影像 申请
【说明书】:

本申请实施例公开了一种医学影像分割方法、装置、计算机设备及可读存储介质,涉及人工智能的计算机视觉技术;具体地可以获取第一医学影像以及已标注目标对象区域的第二医学影像;分别对所述第一医学影像和所述第二医学影像进行特征提取,得到第一医学影像的第一特征信息和第二医学影像的第二特征信息;根据所述第一特征信息和所述第二特征信息获取所述第二医学影像到所述第一医学影像的光流运动信息;根据所述光流运动信息、和已标注目标对象区域,对所述第一医学影像中的目标对象进行分割,得到所述第一医学影像的分割结果。该方案可以大大提升医疗影像的分割精准性和效率。

技术领域

发明涉及人工智能技术领域,具体涉及一种医学影像分割方法、装置、计算机设备及可读存储介质。

背景技术

随着人工智能(AI,Artificial Intelligence)的发展,AI在医疗领域上的应用也越来越为广泛,特别是在医学影像的分割上。例如,以肝脏的分割为例,具体可以利用标注肝脏的样本影像训练一个可以卷积神经网络,然后,将待分割的三维(3D,3Dimension)肝脏影像,如肝脏的电子计算机断层扫描(CT,Computed Tomography)影像输入至训练后的卷积神经网络进行分割,得到器官分割结果,比如得到肝脏区域,等等。

然而,目前的AI分割方式非常依赖器官标注的准确性,并且需要获取大量标注器官的医学影像样本对网络训练,因此,器官分割非常耗时,效率较低,分割的精准性也较低。

发明内容

本申请实施例提供一种医学影像分割方法、装置、计算机设备及可读存储介质,可以提高分割的效率和精准性。

本申请实施例提供一种医学影像分割方法,包括:

获取第一医学影像以及已标注目标对象区域的第二医学影像;

分别对所述第一医学影像和所述第二医学影像进行特征提取,得到第一医学影像的第一特征信息和第二医学影像的第二特征信息;

根据所述第一特征信息和所述第二特征信息获取所述第二医学影像到所述第一医学影像的光流运动信息;

根据所述光流运动信息、和已标注目标对象区域,对所述第一医学影像中的目标对象进行分割,得到所述第一医学影像的分割结果。

相应的,本申请实施例还提供一种医学影像分割装置,包括:

获取单元,用于获取第一医学影像以及已标注目标对象区域的第二医学影像;

特征提取单元,用于分别对所述第一医学影像和所述第二医学影像进行特征提取,得到第一医学影像的第一特征信息和第二医学影像的第二特征信息;

光流单元,用于根据所述第一特征信息和所述第二特征信息获取所述第二医学影像到所述第一医学影像的光流运动信息;

分割单元,用于根据所述光流运动信息、和已标注目标对象区域,对所述第一医学影像中的目标对象进行分割,得到所述第一医学影像的分割结果。

在一实施例中,所述分割单元,包括:

重建子单元,用于根据所述光流运动信息、已标注目标对象区域进行目标对象重建,得到重建后目标对象区域;

分割子单元,用于将重建后目标对象区域作为所述第一医学影像的分割结果。

在一实施例中,所述重建子单元,用于对所述光流运动信息进行三线性插值处理,得到处理后光流运动信息;基于处理后光流运动信息重建和已标注目标对象区域,进行目标对象区域重建,得到重建后目标对象区域。

在一实施例中,所述光流单元,包括:

关联子单元,用于对所述第一特征信息与所述第二特征信息进行关联,得到第二医学影像与第一医学影像之间的像素位置对应关系信息;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910764981.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code