[发明专利]肺部图像分割方法及装置、图像分割模型的训练方法

权利要求书

1.一种肺部图像分割方法，其特征在于，包括：

将肺部图像数据输入图像分割模型，获得分割后的第一图像数据；

基于全连接条件随机场模型对所述第一图像数据进行后处理，获得第二图像数据；

基于所述第二图像数据获得肺野分割图像。

2.根据权利要求1所述的方法，其特征在于，还包括：

对原始肺部影像数据进行预处理，获得所述肺部图像数据。

3.根据权利要求2所述的方法，其特征在于，所述对原始肺部影像数据进行预处理，获得所述肺部图像数据，包括：

对所述原始肺部影像数据进行加窗处理，获得加窗后的图像数据；

基于所述加窗后的图像数据获得所述肺部图像数据。

4.根据权利要求3所述的方法，其特征在于，所述基于所述加窗后的图像数据获得所述肺部图像数据，包括：

对所述加窗后的图像数据进行去噪处理和/或图像增强处理，获得所述肺部图像数据。

5.根据权利要求1所述的方法，其特征在于，还包括：

利用第一训练图像数据训练深度学习网络模型，获得第一分割模型；

将第一测试图像数据输入所述第一分割模型，获得分割后的第一测试结果数据；

获取第二训练图像数据，所述第二训练图像数据是通过对所述第一测试结果数据进行人工修复得到的；

利用所述第一训练图像数据和所述第二训练图像数据训练所述深度学习网络模型，获得第二分割模型；

基于所述第二分割模型确定所述图像分割模型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第二分割模型确定所述图像分割模型，包括：

a)将第n-1测试图像数据输入第n-1分割模型，获得分割后的第n-1测试结果数据，其中，当n＝3时，所述第n-1分割模型为所述第二分割模型；

b)获取第n训练图像数据，所述第n训练图像数据是通过对所述第n-1测试结果数据进行人工修复得到的；

c)利用所述第一训练图像数据至所述第n训练图像数据训练所述深度学习网络模型，获得第n分割模型；

利用测试图像数据迭代执行所述步骤a)、步骤b)、步骤c)，以获得第N分割模型，其中，n为大于或等于3且小于或等于N的整数；

基于所述第N分割模型确定所述图像分割模型。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述图像分割模型包括U-net网络模型。

8.一种图像分割模型的训练方法，其特征在于，包括：

利用第一训练图像数据训练深度学习网络模型，获得第一分割模型；

将第一测试图像数据输入所述第一分割模型，获得分割后的第一测试结果数据；

获取第二训练图像数据，所述第二训练图像数据是通过对所述第一测试结果数据进行人工修复得到的；

利用所述第一训练图像数据和所述第二训练图像数据训练所述深度学习网络模型，获得第二分割模型；

基于所述第二分割模型确定所述图像分割模型。

9.根据权利要求8所述的训练方法，其特征在于，所述基于所述第二分割模型确定所述图像分割模型，包括：

a)将第n-1测试图像数据输入第n-1分割模型，获得分割后的第n-1测试结果数据，其中，当n＝3时，所述第n-1分割模型为所述第二分割模型；

b)获取第n训练图像数据，所述第n训练图像数据是通过对所述第n-1测试结果数据进行人工修复得到的；

c)利用所述第一训练图像数据至所述第n训练图像数据训练所述深度学习网络模型，获得第n分割模型；

利用测试图像数据迭代执行所述步骤a)、步骤b)、步骤c)，以获得第N分割模型，其中，n为大于或等于3且小于或等于N的整数；

基于所述第N分割模型确定所述图像分割模型。

10.根据权利要求8所述的训练方法，其特征在于，所述深度学习网络模型包括U-net网络模型。