[发明专利]肺部图像分割设备、方法及存储介质有效

专利信息
申请号: 201911295169.3 申请日: 2018-10-16
公开(公告)号: CN111062952B 公开(公告)日: 2022-09-30
发明(设计)人: 陈思宏 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;G06T7/187;G06T7/00
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 郭新禹
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: 肺部 图像 分割 设备 方法 存储 介质
【权利要求书】:

1.一种肺部图像分割设备,其特征在于,

所述肺部图像分割设备用于获取待分割的第一图像,所述第一图像为肺部图像;

所述肺部图像分割设备用于调用图像分割模型,所述图像分割模型基于多个第二样本图像对第二初始模型进行训练得到,所述第二初始模型基于多个第一样本图像对第一初始模型进行预训练得到,所述第一样本图像包括多种人体组织图像,所述多个第二样本图像为肺部图像,所述第二初始模型中包括多种人体组织对应的多个目标区域的分布信息,所述多个第二样本图像的图像信息至少包括肺部对应的多个目标区域的分布信息;

所述肺部图像分割设备用于将所述第一图像输入所述图像分割模型中,由所述图像分割模型基于所述肺部对应的多个目标区域的分布信息,对所述第一图像进行分割,输出第二图像。

2.根据权利要求1所述的设备,其特征在于,所述肺部图像分割设备用于:

根据所述第一图像的属性信息,对所述第一图像进行预处理;

对预处理后的所述第一图像进行分割,得到第三图像;

基于所述肺部对应的多个目标区域的分布信息,对所述第三图像进行后处理,输出所述第二图像。

3.根据权利要求2所述的设备,其特征在于,所述肺部图像分割设备用于执行下述至少一项:

当根据所述属性信息确定所述第一图像中存在异常像素点时,将所述异常像素点删除;

当根据所述属性信息确定删除所述异常像素点后的第一图像的灰度范围大于目标范围时,对所述第一图像进行规范化处理,将所述第一图像的灰度范围调整为所述目标范围内;

当根据所述属性信息确定所述第一图像的通道数量大于一时,将所述第一图像的每个像素值均减去目标图像均值;

当根据所述属性信息确定所述第一图像的模态数量大于一时,将所述第一图像输入模态融合模块,由所述模态融合模块从所述第一图像的多个像素值进行筛选,得到预处理后的第一图像的目标数量的像素值,所述预处理后的第一图像的模态数量为一。

4.根据权利要求2所述的设备,其特征在于,所述肺部图像分割设备用于基于所述第三图像中的多个目标区域和所述肺部对应的多个目标区域的分布信息,对所述第三图像进行后处理,得到所述第二图像,所述第三图像中的目标区域为所述第三图像中目标类型的像素点所在区域,所述第二图像中多个目标区域的分布类型、目标区域的数量和目标区域的大小范围与所述多个目标区域的分布信息相同。

5.根据权利要求4所述的设备,其特征在于,所述肺部图像分割设备用于:

当所述第三图像中目标区域的数量或大小范围与所述肺部对应的多个目标区域的分布信息所指示的所述多个目标区域的数量或大小范围不同时,将所述第三图像中不符合所述多个目标区域的数量或大小范围不同的部分滤除;或,

当任一目标区域内部存在背景像素点时,将所述背景像素点更改为所述目标区域对应的所述目标类型的像素点。

6.根据权利要求1所述的设备,其特征在于,所述图像分割模型包括第一图像分割模块和第二图像分割模块,所述第一图像分割模块用于对三维图像进行分割,所述第二图像分割模块用于对二维图像进行分割;

所述肺部图像分割设备用于由所述图像分割模型基于所述图像分割模型中的所述第一图像分割模块和所述第二图像分割模块中至少一个模块,以及所述肺部对应的多个目标区域的分布信息,对所述第一图像进行分割,输出所述第二图像。

7.根据权利要求1所述的设备,其特征在于,所述肺部图像分割设备还用于:

基于所述多个第二样本图像对所述第二初始模型中的第一图像分割模块、第二图像分割模块进行训练,直到达到第一迭代停止次数时停止,得到所述第一图像分割模块和所述第二图像分割模块的模块参数;

基于所述多个第二样本图像和训练得到的所述第一图像分割模块和所述第二图像分割模块,对所述第二初始模型中的模块选择参数进行训练,直到达到第二迭代停止次数时停止,得到所述图像分割模型,所述模块选择参数用于决策选择所述第一图像分割模块和所述第二图像分割模块中至少一个分割模块对所述第一图像进行分割。

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/201911295169.3/1.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 back_top