[发明专利]一种淋巴结分割方法、装置、电子设备及可读存储介质

说明书

本申请公开了一种淋巴结分割方法、装置、电子设备及可读存储介质，该方法包括：获取待处理图像，待处理图像包括多个待分割淋巴结；对待处理图像进行预处理，得到多个目标图像，目标图像的尺寸小于待处理图像的尺寸，目标图像包括至少一个待分割淋巴结；采用淋巴结分割模型对各目标图像进行处理，得到对应的淋巴结分割结果；其中，淋巴结分割模型训练时的损失函数是基于淋巴结掩膜回归损失，淋巴结长径端点、短径端点回归损失，以及淋巴结轮廓回归损失进行加权计算得到；淋巴结分割结果包括至少一个待分割淋巴结的淋巴结掩膜信息，淋巴结长径端点、短径端点信息以及淋巴结轮廓信息。如此，可实现自动化分割出待处理图像中每一个独立的淋巴结。

技术领域

本申请涉及医学图像处理技术领域，尤其涉及一种淋巴结分割方法、装置、电子设备及可读存储介质。

背景技术

淋巴结是人体免疫系统中的基础组织，短径大于10mm的肿大淋巴结通常被认为是恶性淋巴结，可能与体内肿瘤转移等疾病相关。临床医生可根据CT影像中淋巴结的情况，对患者的病情进行评估，并制定相应的治疗方案。因此，准确识别CT影像中肿大的淋巴结，对肺癌等其他疾病的诊治有着关键作用。

纵隔区域是淋巴结肿大的常见区域之一。纵隔区域包含心脏、出入心脏的大血管、胸腺、气管、食管等多种组织，其中的一些组织，如大血管，在CT影像中与淋巴结具有相近的密度，从而该一些组织与淋巴结之间的界线不够清晰；此外，淋巴结之间尺寸差异较大，以及存在多个淋巴结在解剖位置上相距较近的情况，因此，依靠临床医生肉眼识别纵隔区域内肿大的淋巴结需要耗费大量的时间。如何自动化分割出纵隔区域内每一个独立的淋巴结是一个亟需解决的问题。

发明内容

有鉴于此，本申请实施例通过提供一种淋巴结分割方法、装置、电子设备及可读存储介质，用以至少解决现有技术中存在的上述技术问题。

根据本申请第一方面，本申请实施例提供了一种淋巴结分割方法，包括：获取待处理图像，待处理图像包括多个待分割淋巴结；对待处理图像进行预处理，得到多个目标图像，目标图像的尺寸小于待处理图像的尺寸，目标图像包括至少一个待分割淋巴结；采用淋巴结分割模型对各目标图像进行处理，得到对应的淋巴结分割结果；其中，淋巴结分割模型训练时的损失函数是基于淋巴结掩膜回归损失，淋巴结长径端点、短径端点回归损失，以及淋巴结轮廓回归损失进行加权计算得到；淋巴结分割结果包括至少一个待分割淋巴结的淋巴结掩膜信息，淋巴结长径端点、短径端点信息以及淋巴结轮廓信息。

可选地，淋巴结分割模型的训练步骤包括：获取多个训练样本，每个训练样本包括样本图像和对应的标签信息，样本图像包括至少一个样本淋巴结区域，标签信息包括与至少一个样本淋巴结区域对应的样本淋巴结掩膜信息，样本淋巴结长径端点、短径端点信息，以及样本淋巴结轮廓信息；针对每个样本图像：采用神经网络模型对样本图像进行处理，得到对应的样本淋巴结分割结果，样本淋巴结分割结果包括预测淋巴结掩膜信息，预测淋巴结长径端点、短径端点信息，以及预测淋巴结轮廓信息；根据样本淋巴结掩膜信息，样本淋巴结长径端点、短径端点信息，样本淋巴结轮廓信息，预测淋巴结掩膜信息，预测淋巴结长径端点、短径端点信息，以及预测淋巴结轮廓信息计算损失函数；根据损失函数对神经网络模型的网络参数进行调整；将各样本进行多次迭代训练，直至损失函数满足预设条件；基于训练好的神经网络模型得到淋巴结分割模型。

可选地，神经网络模型包括分割子网络和计算子网络；

采用神经网络模型对样本图像进行处理，得到对应的样本淋巴结分割结果，样本淋巴结分割结果包括预测淋巴结掩膜信息、预测淋巴结长径端点、短径端点信息，以及预测淋巴结轮廓信息，包括：采用分割子网络对样本图像进行处理，得到预测淋巴结掩膜信息；采用计算子网络对预测淋巴结掩膜信息进行处理，得到预测淋巴结长径端点、短径端点信息，以及预测淋巴结轮廓信息。