[发明专利]乳腺X线图像局部质量异常区域的分割方法、装置及介质

说明书

本申请公开了一种乳腺X线图像局部质量异常区域的分割方法、装置及介质，所述方法包括：对所述待分割图像进行标准化处理，获得标准化图像；通过挤压激励残差网络对所述标准化图像进行特征提取，获得第一特征信息；通过空间金字塔池化对所述第一特征信息进行特征提取，获得第二特征信息；对所述第一特征信息和所述第二特征信息进行融合，获得第一分割结果；利用边缘细化网络对所述第一分割结果进行优化，获得与所述待分割图像对应的目标分割结果，应用本申请实施例提供的方法，更好地结合了图像中全局特征与局部特征，提升了模型的对多种不同乳腺X线图像质量局部异常分割的准确性。

技术领域

本申请涉及计算机视觉与人工智能技术领域，尤其涉及一种乳腺X线图像局部质量异常区域的分割方法、装置及存储介质。

背景技术

在医学设备，如X光机或CT机对目标患者的乳腺进行拍摄时，常常因为技师拍摄操作不规范或其他原因导致图像中存在影响医生诊断的质量异常，而且，由于不同的不规范原因，质量异常通常具有多种，例如，乳腺X线图像中局部异常共包括六种：皮肤皱襞、乳头未在轮廓线、肩膀重叠影、拍到腹部皮肤、拍到对侧乳腺、异物。

目前，对乳腺X线图像上的局部异常的检测方法极少，且大部分是基于人工质控的方法来提高图像质量，即安排高级技师在拍摄时定期监控，总结拍摄经验组织技师培训等。虽然存在利用深度学习模型Unet对数字病理图像进行分类，实现对数字病理图像质控标准的量化统一的系统，但是这些质控系统适用场景较单一，无法准确地对多种局部异常进行检测，难以达到准确的分割效果。

发明内容

本申请提供了一种乳腺X线图像局部质量异常区域的分割方法、装置及存储介质，以至少解决现有技术中存在的以上技术问题。

本申请实施例一方面提供一种乳腺X线图像局部质量异常区域的分割方法，所述方法包括：对所述待分割图像进行标准化处理，获得标准化图像；通过挤压激励残差网络对所述标准化图像进行特征提取，获得第一特征信息；通过空间金字塔池化对所述第一特征信息进行特征提取，获得第二特征信息；对所述第一特征信息和所述第二特征信息进行融合，获得第一分割结果；利用边缘细化网络对所述第一分割结果进行优化，获得与所述待分割图像对应的目标分割结果。

在一可实施方式中，所述对所述待分割图像进行标准化处理，获得标准化图像，包括：获取待分割图像；对所述待分割图像进行尺寸调整，获得调整图像；根据所述调整图像的灰度分布区间对所述调整图像的像素值进行标准化处理，获得标准化图像。

在一可实施方式中，通过挤压激励残差网络对所述标准化图像进行特征提取，获得第一特征信息，包括：对所述标准化图像进行卷积处理，获得第一通道特征；对所述第一通道特征进行全局池化处理，获得全局特征；对所述全局特征进行映射，获得第二通道特征；根据第二激活函数对所述第二通道特征进行特征映射，确定对应各通道特征的特征权值；根据所述特征权值对所述第一通道特征进行加权，获得第一特征信息。

在一可实施方式中，对所述第一通道特征进行全局池化处理，获得全局特征，包括：对所述第一通道特征进行全局池化处理，获得全局池化特征；通过第一激活函数对所述全局池化特征进行处理，获得全局拟合特征。

在一可实施方式中，通过空间金字塔池化对所述第一特征信息进行特征提取，获得第二特征信息，包括：多尺度空洞率的空洞卷积对所述第一特征信息进行多尺度特征提取，获得多尺度的第二特征信息。

在一可实施方式中，对所述第一特征信息和所述第二特征信息进行融合，获得第一分割结果，包括：对所述第一特征信息和所述第二特征信息进行至少两次的拼接和卷积融合，获第一分割结果。

在一可实施方式中，利用边缘细化网络对所述第一分割结果进行优化，获得与所述待分割图像对应的目标分割结果，包括：对所述第一分割结果进行二值化处理，获得二值图像；根据所述二值图像生成分割边界的密集包围框；根据所述分割边界的密集包围框和所述标准化图像进行拼接，得到拼接图像；通过边缘细化网络对所述拼接图像进行边缘细化处理，获得目标分割结果。