[发明专利]多模态医学图像的分割方法及终端设备

说明书

本申请适用于图像处理技术领域，提供了一种多模态医学图像的分割方法及终端设备，包括：获取待分割的数据集，所述数据集中包括对同一拍摄对象的目标部位拍摄得到的多种模态的医学图像；利用训练后的分割模型对所述待分割的数据集进行图像分割，得到所述待分割的数据集对应的分割结果；其中，所述训练后的分割模型为基于训练集进行半监督迭代训练后得到的分割模型，所述训练集包括至少一组已标记的数据集和多组未标记的数据集，每组数据集中包括对同一拍摄对象的目标部位拍摄得到的多种模态的医学图像。通过上述方法，在提高多模态医学图像分割效率的同时，有效提高了多模态医学图像分割结果的准确率。

技术领域

本申请属于图像处理技术领域，尤其涉及一种多模态医学图像的分割方法及终端设备。

背景技术

多模态医学图像分割，是从多种模态的医学图像(如多模态的计算机断层扫描图像和多模态磁共振图像等)中识别出器官或病灶位置的图像处理技术，通过该技术能够得到病灶的形状、病灶的体积等信息，对疾病的诊断、治疗和研究具有重要意义。

目前，多模态医学图像分割的主要方法是利用深度卷积神经网络进行图像分割。在该方法中，利用大量的训练数据对深度卷积神经网络进行训练，再利用训练后的深度卷积神经网络进行图像分割。在训练过程中，通常需要对每个训练数据进行人工标记，耗时耗力，降低了训练效率，进而影响了图像分割的效率；而且，人工标记的结果是由人为经验决定的，准确率较低，进而影响了图像分割结果的准确率。

发明内容

本申请实施例提供了一种多模态医学图像的分割方法及终端设备，可以解决现有的多模态医学图像分割方法的效率较低、分割结果的准确率较低的问题。

第一方面，本申请实施例提供了一种多模态医学图像的分割方法，包括：

获取待分割的数据集，所述数据集中包括对同一拍摄对象的目标部位拍摄得到的多种模态的医学图像；

利用训练后的分割模型对所述待分割的数据集进行图像分割，得到所述待分割的数据集对应的分割结果；

其中，所述训练后的分割模型为基于训练集进行半监督迭代训练后得到的分割模型，所述训练集包括至少一组已标记的数据集和多组未标记的数据集，每组数据集中包括对同一拍摄对象的目标部位拍摄得到的多种模态的医学图像。

在第一方面的一种可能的实现方式中，所述利用训练后的分割模型对所述待分割的数据集进行图像分割，得到所述待分割的数据集对应的分割结果，包括：

按照相同的预设划分规则，将所述待分割的数据集中各种模态的医学图像分别划分为M个区域块；

获取所述目标部位中的K个待分割子部位；

对于每个区域块，将各种模态的医学图像中所述区域块对应的图像块组合为一个图像矩阵，并利用当前的分割模型分别对所述图像矩阵进行各个待分割子部位的图像分割，得到所述区域块对应的实际分割结果；

将所述待分割的数据集中所有区域块对应的实际分割结果记为所述待分割的数据集对应的分割结果；

其中，每个区域块对应的实际分割结果包括K个概率矩阵，每个概率矩阵的大小与所述区域块的大小相同，第k个概率矩阵中的各元素表示所述区域块中各个体素属于第k个待分割子部位的概率值，1≤k≤K，K为大于1的正整数。

在第一方面的一种可能的实现方式中，在得到所述待分割的数据集对应的分割结果之后，所述方法还包括：

对所述待分割的数据集对应的分割结果中的每个概率矩阵分别进行二值化处理；

将所述待分割的数据集中同一个区域块对应的二值化处理后的概率矩阵组合成一个二值图像，得到M个二值图像，每个二值图像的大小和与所述二值图像对应的区域块的大小相同；