[发明专利]一种耳部医学图像分割方法、装置、电子设备及存储介质

说明书

本发明公开了一种耳部医学图像分割方法、装置、电子设备及存储介质，该方法包括：获取待分割的原始耳部医学图像，根据原始耳部医学图像生成耳部各个部位对应的多个训练数据集；构建基于端到端的U‑NET++图像分割网络，根据多个训练数据集分别对U‑NET++图像分割网络进行训练，生成各个部位对应的多个图像分割模型；根据多个图像分割模型分别对原始耳部医学图像进行分割,生成各个部位的分割结果；将各个部位的分割结果进行图像融合,生成目标分割图像。本发明实施例可实现借助U‑NET++网络，可实现使用更少的数据集进行训练模型来达到分割效果，在一张图像上展示医学影像中各个耳部部位的相互影响关系，方便观看。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种耳部医学图像分割方法、装置、电子设备及存储介质。

背景技术

近年来，深度学习在计算机视觉领域取得了巨大的成功，深度学习可用于图像识别、目标检测、语义分割等基础任务，同时可以用于姿态识别，人脸识别等高级别任务。在许多任务中，深度学习的效果已经超出人工手动能达到的效果，极大的解放了人力。在医疗领域中，最常见的应用场景是医学图像处理。图像分割是医学图像处理任务中一个重要的研究方向。虽然目前已经出现了很多图像分割方法，其中包含传统的分割方法和基于深度学习模型的分割方法。其中深度学习是指学习样本数据的内在规律和表示层次。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

目前的耳部医疗图像分割技术通常是语义分割，也就是按照图像中物体的类别将感兴趣的区域(ROI，region of interest)以前景和背景像素的模式分割。但这带来了两类问题，一是当多个同类别的物体挨着，或者说互相重叠的时候，无法将单个物体分割出来；二是在人体实际情况中，医学扫描形成的图像并不仅仅包含所需要的部分，比如说拍摄扫描肺部图像，在图片中显示的可能不只有想要进行观察的肺结节，还有其他器官以及肺部的其他部分，这些都会影响分割效果。并且医生在使用分割图像不仅仅依靠观察一个部位的图像，通常需要观察相邻的，相关的一系列图像这一类单一类型分割方法不能够很好的处理这类问题。

因此现有技术中的耳部医学图像分割方法，由于耳部各个部位互相交叉堆叠又互相关联，使用单一语义分割方法很难够获取准确的分割结果。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种耳部医学图像分割方法、装置、电子设备及存储介质，旨在解决现有技术中耳部医学图像分割方法，由于耳部各个部位互相交叉堆叠又互相关联，使用单一语义分割方法很难够获取准确的分割结果的问题。

本发明的技术方案如下：

本发明第一实施例提供了一种耳部医学图像分割方法，方法包括：

获取待分割的原始耳部医学图像，根据原始耳部医学图像生成耳部各个部位对应的多个训练数据集，所述训练数据集的个数与所述耳部的部位的个数相同；

构建基于端到端的U-NET++图像分割网络，根据所述多个训练数据集分别对U-NET++图像分割网络进行训练，生成各个部位对应的多个图像分割模型，所述U-NET++图像分割网络由不同深度的U-NET网络组成；

根据所述多个图像分割模型分别对所述原始耳部医学图像进行分割,生成各个部位的分割结果；

将各个部位的分割结果进行图像融合,生成目标分割图像,所述目标分割图像为显示耳部各个部位分割结果的图像。

进一步地，所述获取待分割的原始耳部医学图像，根据原始耳部医学图像生成耳部各个部位对应的多个训练数据集，包括：

获取待分割的原始耳部医学图像，对原始耳部医学图像进行预处理后，生成目标耳部医学图像；