[发明专利]肺部图像分割方法、装置、存储介质及计算机设备

说明书

本发明涉及人工智能及数字医疗技术领域，提供了一种肺部图像分割方法、装置、存储介质及计算机设备。该方法包括：基于全卷积神经网络模型，通过密集连接的混合膨胀卷积模块和层级注意力机制，构建肺结节分割模型；以肺实质图像样本为输入，以肺实质图像样本的肺结节分割图像为输出，对肺结节分割模型进行训练，得到训练好的肺结节分割模型；获取待处理的肺部图像，通过肺实质分割算法对肺部图像进行分割，得到肺实质图像；根据肺实质图像，通过训练好的肺结节分割模型，得到肺部图像的肺结节分割结果。上述方法能够有效的提高肺结节的分割精度。

技术领域

本发明涉及人工智能及数字医疗技术领域，尤其是涉及一种肺部图像分割方法、装置、存储介质及计算机设备。

背景技术

近年来，随着空气质量的恶化、二手烟危害的加深、职业因素的影响等各种原因，肺部疾病的发病率开始逐渐呈现出高发态势，其中，肺结节作为肺癌的早期征兆之一，其分割方式也已经成为了业界广泛研究的热点之一。

在现有技术，通常采用全卷积神经网络模型作为搭建肺结节分割模型的基础模型。但是，在利用全卷积神经网络模型进行肺部图片的下采样时，常常会丢失掉很多上下文信息，从而使得上采样过程难以完全恢复待分割目标的细节信息及其对应的空间维度，造成了上采样得到的结果不清晰，进而导致肺结节的分割精度不高。此外，传统的全卷积神经网络模型中所用到的膨胀卷积很容易出现栅格问题，而栅格问题的出现会使得采样结果无法覆盖到所有的图像特征，也会损失图像特征的连续性，这进一步降低了肺结节分割结果的精确度。

发明内容

有鉴于此，本申请提供了一种肺部图像分割方法、装置、存储介质及计算机设备，主要目的在于解决肺结节分割精确度低的技术问题。

根据本发明的第一个方面，提供了一种肺部图像分割方法，该方法包括：

基于全卷积神经网络模型，通过密集连接的混合膨胀卷积模块和层级注意力机制，构建肺结节分割模型；

以肺实质图像样本为输入，以肺实质图像样本的肺结节分割图像为输出，对肺结节分割模型进行训练，得到训练好的肺结节分割模型；

获取待处理的肺部图像，通过肺实质分割算法对肺部图像进行分割，得到肺实质图像；

根据肺实质图像，通过训练好的肺结节分割模型，得到肺部图像的肺结节分割结果。

根据本发明的第二个方面，提供了一种肺部图像分割装置，该装置包括：

模型构建模块，用于基于全卷积神经网络模型，通过密集连接的混合膨胀卷积模块和层级注意力机制，构建肺结节分割模型；

模型训练模块，用于以肺实质图像样本为输入，以肺实质图像样本的肺结节分割图像为输出，对肺结节分割模型进行训练，得到训练好的肺结节分割模型；

图像分割模块，用于获取待处理的肺部图像，通过肺实质分割算法对肺部图像进行分割，得到肺实质图像；

图像处理模块，用于根据肺实质图像，通过训练好的肺结节分割模型，得到肺部图像的肺结节分割结果。

根据本发明的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述肺部图像分割方法。

根据本发明的第四个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述肺部图像分割方法。