[发明专利]图像分割方法、装置、电子设备和存储介质

说明书

本申请公开了一种图像分割方法、装置、电子设备和存储介质，涉及计算机技术领域，以解决对手术用的CT图像进行图像分割的方法，分割精度较低、速度较慢，不利于临床应用的问题。方法包括：获取第一CT图像；将第一CT图像划分为多个patch数据；采用预先获取的基于UNet的图像分割模型分别对每个patch数据进行前向传播计算，获取每个patch数据的图像分割预测结果；将所有patch数据的图像分割预测结果进行拼接处理，获取第一CT图像的股骨数据和胫骨数据的图像分割结果。本公开可以应用在对手术用的下肢CT图像的股骨数据和胫骨数据进行分割的过程中。

技术领域

本公开实施例涉及计算机技术领域，特别涉及一种图像分割方法、装置、电子设备和存储介质。

背景技术

在机器人辅助全膝关节置换手术(Total Knee Arthroplasty，TKA)方案设计中，一项最基础也是最重要的步骤是从病人的下肢电子计算机断层扫描(ComputedTomography，CT)图像中分割出股骨数据和胫骨数据。

现有技术对CT图像进行图像分割的方法主要包括：基于阈值分割和基于区域生长算法分割。然而，以上两种图像分割方法的分割精度较低，需要医生手动矫正分割结果。在实际的使用过程中，手术用的CT图像一般包括1200～1800层，医生需要对每一层CT图像进行手动矫正，矫工作量大、时间长(平均2小时左右)，不利于临床应用。

发明内容

本公开实施方式的目的在于提供一种图像分割方法、装置、电子设备和存储介质，以解决现有对手术用的CT图像进行图像分割的方法，分割精度较低、速度较慢，不利于临床应用的问题。

为解决上述技术问题，本公开的实施方式提供了一种图像分割方法，其特征在于，包括：

获取待进行图像分割的第一电子计算机断层扫描CT图像，其中，所述第一CT图像包括股骨数据和胫骨数据，所述第一CT图像符合预先获取的图像采样间隔和图像数据尺寸；

将所述第一CT图像划分为多个子块patch数据；

采用预先获取的基于U型网络UNet的图像分割模型分别对每个所述patch数据进行前向传播计算，获取每个所述patch数据的图像分割预测结果，其中，所述基于UNet的图像分割模型的模型结构和模型参数根据符合所述图像采样间隔和所述图像数据尺寸的第二CT图像获得；

将所有所述patch数据的图像分割预测结果进行拼接处理，获取所述第一CT图像的所述股骨数据和所述胫骨数据的图像分割结果。

可选的，所述基于UNet的图像分割模型的模型结构包括：卷积层、1个输入层和6个输出层，其中，所述卷积层包括：2个常规卷积层、5个降采样卷积层Dconv、5个上采样卷积层Uconv和1个复合卷积层DUconv，相同级别的所述Dconv和所述Uconv横向相连。

可选的，所述基于UNet的图像分割模型的模型参数获取方法包括：

采用所述基于UNet的图像分割模型对所述第二CT图像进行前向传播计算，获取所述第二CT图像的图像分割预测结果；

获取所述第二CT图像的图像分割预测结果与所述第二CT图像的真实图像分割结果之间的损失值；

采用所述基于UNet的图像分割模型对所述损失值进行反向传播计算，根据链式求导法则，获取在所述损失值下，所述基于UNet的图像分割模型中各个所述卷积层的卷积参数修正量；

分别采用每个所述卷积层的卷积参数修正量对对应的卷积层的卷积参数进行更新，获取每个所述卷积层更新后的卷积参数；

循环执行上述步骤，直至每个所述卷积层更新后的卷积参数波动范围小于预先设置的波动阈值，获得所述基于UNet的图像分割模型的模型参数。