[发明专利]一种器官图像分割方法、装置、电子设备和存储介质

说明书

本发明提供了一种器官图像分割方法、装置、电子设备和存储介质，所述方法包括：采用预先训练好的神经网络模型对待分割器官图像进行分割，得到初始器官分割图像；根据初始器官分割图像计算区域生长的种子点位置和合并阈值；以及根据种子点位置和合并阈值，采用区域生长法对待分割器官图像进行分割，以获得最终的器官图像。本发明不仅减少了人机交互的繁琐操作，而且可以提高图像分割效率，进而可以更好地辅助医生。

技术领域

本发明涉及图像处理技术领域，特别涉及一种器官图像分割方法、装置、电子设备和存储介质。

背景技术

血管疾病尤其是心血管疾病，已经成为威胁人类生命安全的主要疾病之一。在手术过程中，医生通过血管成像技术来辅助诊断各种血管疾病，例如钙化、主动脉夹层、动脉瘤等。

血管成像技术包括计算机断层血管造影(CTA)、核磁共振血管造影(MRA)等。血管成像得到的是三维影像，该影像不仅有血管组织同时还包含血管周围其他组织(骨骼，脂肪，肌肉，肺组织等)，无法给医生带来精准诊断。所以，从三维影像中提取整个血管区域，并以三维显示技术展示血管的形态，会提高医生诊断准确率。

虽然目前已经有很多血管分割的技术，但血管分割问题仍然是一个非常具有挑战性的任务。目前血管分割方法主要以手动和半自动为主，已有的半自动血管分割方法大致可以分为两类：自顶向下和自底向上。

其中，手动血管分割方法需要花费大量的时间和精力。自顶向下的半自动分割方法需要人为输入种子点作为开始条件，然后基于目标误差迭代合并邻近的区域，最后生成图像，但该方法不仅需要人为输入种子点信息，还需要人为输入目标误差值。自底向上的半自动分割方法利用管状检测滤波器来分割血管，虽然不需要人为输入初始化信息，但是该方法计算开销大，受噪声影响大且在对比度较低的区域无法得到完整的血管结构。

发明内容

本发明的目的在于提供一种器官图像分割方法、装置、电子设备和存储介质，以减少人机交互的繁琐操作以及提高图像分割的效率。

为达到上述目的，本发明提供一种器官图像分割方法，包括：

采用预先训练好的神经网络模型对待分割器官图像进行分割，得到初始器官分割图像；

根据所述初始器官分割图像计算区域生长的种子点位置和合并阈值；以及

根据所述种子点位置和合并阈值，采用区域生长法对所述待分割器官图像进行分割，以获得最终的器官图像。

可选的，在采用预先训练好的神经网络模型对待分割器官图像进行分割之前，所述方法还包括：

对所述待分割器官图像进行预处理，以滤除所述待分割器官图像中的噪声。

可选的，所述神经网络模型为深度全卷积网络模型。

可选的，所述深度全卷积网络模型通过以下步骤训练得到：

获取原始训练样本，所述原始训练样本包括原始器官训练图像和与所述原始器官训练图像对应的标签图像，所述标签图像为已标注出器官的器官图像；

对所述原始训练样本进行扩展，得到扩展后的训练样本，所述扩展后的训练样本包括扩展后的器官训练图像和与所述扩展后的器官训练图像对应的标签图像；

设置深度全卷积网络模型的模型参数的初始值；以及

根据所述扩展后的训练样本和模型参数的初始值对预先搭建的深度全卷积网络模型进行训练，直至满足预设训练结束条件。

可选的，所述根据所述扩展后的训练样本和模型参数的初始值对预先搭建的深度全卷积网络模型进行训练，具体为：

根据所述扩展后的训练样本和模型参数的初始值采用随机梯度下降法对预先搭建的深度全卷积网络模型进行训练。