[发明专利]一种针对医学图像的多模式交互分割方法及系统

说明书

本发明公开一种针对医学图像的多模式交互分割方法及系统，包括：提取医学图像的图像特征；采用多模式包围框选定目标分割区域后生成初始交互指导图，将初始交互指导图与图像特征拼接后输入神经网络得到初始分割结果；采用多模式细节修复指导图对初始分割结果进行修复后得到残差图；根据残差图、多模式细节修复指导图对应的修复范围以及初始分割结果得到最终的医学图像分割结果。是一种用于解决医学图像分割多歧义性的多模式交互方法，可以根据图像结构的复杂性以各种初始交互方式围绕目标区域，基于初始分割可以共同利用区域和边界相互作用来细化由不同歧义引起的标注错误的区域，有效提高医学图像分割精度。

技术领域

本发明涉及医学图像交互式分割技术领域，特别是涉及一种针对医学图像的多模式交互分割方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

医学图像交互式分割(IMIS)方法旨在根据医学图像的特殊性以最小的交互量准确标记对象；给定图像，根据用户的简单输入获得目标掩模是IMIS方法的基本要求。DeepCut方法会接收标有包围框的医学图像，并涉及卷积神经网络对前景/背景分布进行建模。DyBa-ORF方法将用户的涂鸦作为输入，并学习通用的动态平衡在线随机森林解决不平衡的前背景标记。BIFSeg方法设计针对特定图像的微调，以适应未见过的医学图像类型，这种微调利用涂鸦，以修复精确的细节。CM方法将四个极值点用作用户输入，并对它们进行编码，然后将其与图像一起输入卷积神经网络中以进行预测。

对于当前需要大量数据的医学图像分析模型而言，大规模的像素级标注很少，为了快速获取标注，需要一种经济有效的交互式医学图像分割方法；但是，当前的技术通常在许多情况下会失败或时间成本较高，主要原因是由于交互模式的单一，如FCA-Net和f-BRS都只使用点作为交互方式，而由于医学图像的特殊性与歧义性，例如不规则形状和模糊边界，单一的交互模式无法有效地应对医学图像的各种固有歧义。例如，很难使用包围框来准确地定位不规则形状的区域，或者很难使用区域点击/涂鸦在模糊边界之间定位轮廓。为了更加高效地标注目标区域，模型应允许灵活选择多种交互方式，并允许它们相互协作以克服多种歧义，但是目前为止，尚未有方法对该潜在方法进行深入研究。

发明内容

为了解决上述问题，本发明提出了一种针对医学图像的多模式交互分割方法及系统，是一种用于解决医学图像分割多歧义性的多模式交互方法，可以根据图像结构的复杂性以各种初始交互方式围绕目标区域，基于初始分割可以共同利用区域和边界相互作用来细化由不同歧义引起的标注错误的区域，有效提高医学图像分割精度。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种针对医学图像的多模式交互分割方法，包括：

提取医学图像的图像特征；

采用多模式包围框选定目标分割区域后生成初始交互指导图，将初始交互指导图与图像特征拼接后输入神经网络得到初始分割结果；

采用多模式细节修复指导图对初始分割结果进行修复后得到残差图；

根据残差图、多模式细节修复指导图对应的修复范围以及初始分割结果得到最终的医学图像分割结果。

第二方面，本发明提供一种针对医学图像的多模式交互分割系统，包括：

特征提取模块，被配置为提取医学图像的图像特征；

初始分割模块，被配置为采用多模式包围框选定目标分割区域后生成初始交互指导图，将初始交互指导图与图像特征拼接后输入神经网络得到初始分割结果；

细节修复模块，被配置为采用多模式细节修复指导图对初始分割结果进行修复后得到残差图；

分割模块，被配置为根据残差图、多模式细节修复指导图对应的修复范围以及初始分割结果得到最终的医学图像分割结果。