[发明专利]一种用于腹主动脉瘤边界分割的方法

说明书

本发明提供了一种用于腹主动脉瘤边界分割的方法，包括：A、获取待分割的图像；B、对所述待分割的图像进行主动脉和髂动脉的粗分割；C、根据所述主动脉和髂动脉的粗分割的结果进行主动脉的细分割和髂动脉的细分割；D、将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果。由上，本申请通过上述模型有利于快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。

技术领域

本发明涉及医学影像领域，特别是涉及一种用于腹主动脉瘤边界分割的方法。

背景技术

医学图像分割是医学图像处理和分析的关键步骤，其目的是将图像中具有某些特殊含义的部分分割出来，并提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医生做出更为准确的诊断。近年来，深度学习在计算机视觉的各个细分邻域都取得了出色的成绩。在图像分割领域，有大量的深度学习模型被提出，并取得了很好的效果。

目前，对于腹主动脉瘤分割，主要依赖于医生的经验，因此会由于医生水平的不同会造成判断的不准确，且比较耗时耗力，效率低下。

因此，目前亟需提供一种用于腹主动脉瘤边界分割的方法，以实现快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。

发明内容

有鉴于此，本申请提供一种用于腹主动脉瘤边界分割的方法，有利于快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。

本申请提供一种用于腹主动脉瘤边界分割的方法，包括：

A、获取待分割的图像；

B、对所述待分割的图像进行主动脉和髂动脉的粗分割；

C、根据所述主动脉和髂动脉的粗分割的结果进行主动脉的细分割和髂动脉的细分割；

D、将所述主动脉细分割结果和髂动脉细分割结果进行融合，以获取融合后的分割结果。

由上，有利于更加精确地、以及快速有效地获取腹主动脉瘤的分割预测结果，以大大减少医生的诊断时间，为手术方案制定提供有效地支撑。

优选地，步骤A之前，还包括模型的构建，包括：

构建用于所述进行主动脉和髂动脉的粗分割的主动脉和髂动脉粗分割模型，以及构建所述进行主动脉的细分割的主动脉细分割模型，以及构建所述进行髂动脉的细分割的髂动脉细分割模型。

优选地，所述模型的构建包括：

M1、获取指定数量的图像数据；

M2、对所述图像数据进行预处理；

M3、根据预处理之后的图像数据，分别生成主动脉和髂动脉粗分割模型训练所需的训练集；以及生成主动脉细分割模型训练所需的训练集以及生成髂动脉细分割模型训练所需的训练集；

M4、利用所述训练集分别进行模型训练；以分别获取主动脉和髂动脉粗分割模型，主动脉细分割模型以及髂动脉细分割模型。

优选地，所述步骤B，包括：

B1、将待分割的图像由原始尺寸缩小到粗分割模型训练时的图像的尺寸，并进行标准化处理；

B2、将标准化处理后的图像输入至主动脉和髂动脉粗分割模型中，并将获取的输出结果进行分类处理，以得到粗分割概率矩阵；

B3、将概率矩阵放大到所述待分割的图像的原始尺寸；其中，所述概率矩阵由各个体素组成；

B4、对于每个体素，将概率最大的类别作为当前体素所属的类别，以据此获取主动脉和髂动脉粗分割的结果。