[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

说明书

本发明提供了一种肺部图像分割方法及装置、图像分割模型的训练方法，该肺部图像分割方法包括：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第一图像数据进行后处理，获得第二图像数据；基于第二图像数据获得肺野分割图像。本发明的技术方案能够获得边界连续且清晰的肺野分割图像。

技术领域

本发明涉及医学图像分割技术领域，具体涉及一种肺部图像分割方法及装置、图像分割模型的训练方法。

背景技术

医疗影像设备可以将人体内部的结构重现为影像，清晰的医学影像可以帮助医生对病人疾病的诊断。例如，利用医学影像设备可以帮助医生对患者骨骼、肺部、乳腺等部分是否患有病灶进行诊断。为了提高诊断的准确性，可以利用图像分割技术对医学图像进行分割，现有的图像分割技术对含有大面积病灶的医学图像的分割效果差，不利于疾病的诊断。

发明内容

有鉴于此，本发明实施例提供了一种肺部图像分割方法及装置、图像分割模型的训练方法，能够获得边界连续且清晰的肺野分割图像。

第一方面，本发明的实施例提供了一种肺部图像分割方法，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第一图像数据进行后处理，获得第二图像数据；基于第二图像数据获得肺野分割图像。

在本发明某些实施例中，第一方面的肺部图像分割方法还包括：对原始肺部影像数据进行预处理，获得肺部图像数据。

在本发明某些实施例中，对原始肺部影像数据进行预处理，获得肺部图像数据，包括：对原始肺部影像数据进行加窗处理，获得加窗后的图像数据；基于加窗后的图像数据获得肺部图像数据。

在本发明某些实施例中，基于加窗后的图像数据获得肺部图像数据，包括：对加窗后的图像数据进行去噪处理和/或图像增强处理，获得肺部图像数据。

在本发明某些实施例中，第一方面的肺部图像分割方法还包括：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，第二训练图像数据是通过对第一测试结果数据进行人工修复得到的；利用第一训练图像数据和第二训练图像数据训练深度学习网络模型，获得第二分割模型；基于第二分割模型确定图像分割模型。

在本发明某些实施例中，基于第二分割模型确定图像分割模型，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，第n-1分割模型为第二分割模型；b)获取第n训练图像数据，第n训练图像数据是通过对第n-1测试结果数据进行人工修复得到的；c)利用第一训练图像数据至第n训练图像数据训练深度学习网络模型，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；基于第N分割模型确定图像分割模型。

在本发明某些实施例中，图像分割模型包括U-net网络模型。

第二方面，本发明的实施例提供了一种图像分割模型的训练方法，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，第二训练图像数据是通过对第一测试结果数据进行人工修复得到的；利用第一训练图像数据和第二训练图像数据训练深度学习网络模型，获得第二分割模型；基于第二分割模型确定图像分割模型。