[发明专利]图像分割方法、系统、电子设备和可读存储介质

说明书

本发明提供一种图像分割方法、系统、电子设备和可读存储介质，该图像分割方法包括：获取预设人体部位的n个切面的医学图像；将所述n个切面的医学图像分别输入到DeeplabV3+网络，得到所述n个切面的医学图像的分割结果；其中，所述DeeplabV3+网络包括：MobileNetV3网络和空洞空间卷积池化金字塔ASPP模块，所述MobileNetV3网络用于提取所述医学图像的图像特征，所述ASPP模块包括多个空洞卷积模块，所述多个空洞卷积模块的rate比率递增；将所述n个切面的医学图像的分割结果进行加权融合，得到加权融合后的分割结果。本发明将DeeplabV3+网络的主干网络替换为MobileNetV3网络，能够更快速的提取图像特征，通过n个切面的加权融合结果提高分割精度，实现稳健精确的提取图像信息。

技术领域

本发明实施例涉及医学图像处理领域，尤其涉及一种图像分割方法、系统、电子设备和可读存储介质。

背景技术

在医学领域，医学影像设备已经成为现在医学诊断的重要工具和辅助治疗的重要技术手段，其中，CT影像是诊断器官和人体骨骼的重要技术手段之一。

举例来说，肺区作为评估和研究肺部疾病的重要区域精确的提取肺区和重建对研究肺部疾病是十分重要的，其中肺区的精确提取是肺部疾病进行定量分析的重要环节；骨骼的精确提取也是骨分析和骨骼三维重建的重要依据，具有十分重要的作用。因此，对CT影像中的肺区和骨骼进行精确的自动分割提取是十分有必要的。

传统的图像分割方法主要有：阈值分割、种子区域生长、边缘分割等，都需要人为的进行特征提取，而DeeplabV3+网络包括主干网络和空洞空间金字塔池化ASPP(AtrousSpatial Pyramid Pooling)模块，能够实现自动提取特征，但是提取速度不够快，精度不够高。

发明内容

本发明实施例提供一种图像分割方法、系统、电子设备和可读存储介质，用于解决现有DeeplabV3+网络提取特征速度不够快，精度不够高的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种图像分割方法，包括：

获取预设人体部位的n个切面的医学图像；

将所述n个切面的医学图像分别输入到DeeplabV3+网络，得到所述n个切面的医学图像的分割结果；其中，所述DeeplabV3+网络包括：MobileNetV3网络和空洞空间卷积池化金字塔ASPP模块，所述MobileNetV3网络用于提取所述医学图像的图像特征，所述ASPP模块包括多个空洞卷积模块，所述多个空洞卷积模块的rate比率递增；

将所述n个切面的医学图像的分割结果进行加权融合，得到加权融合后的分割结果。

可选的，获取预设人体部位的n个切面的医学图像包括：

对所述医学图像进行图像预处理，包括：图像归一化处理和/或中值滤波处理。

可选的，采用如下公式对所述医学图像进行图像归一化处理：

其中，y表示归一化处理后图像像素值，x表示归一化处理前的图像像素值，a表示归一化处理后的数据图像范围对应的数据位宽的最大值，HighTh表示图像截断上限阈值，LowTh表示图像截断下限阈值。

可选的，所述图像特征包括：图像的高级语义特征和图像的低级语义特征。

可选的，所述预设人体部位的n个切面的医学图像包括：

所述n为3，所述预设人体部位的3个切面的医学图像包括：横截面、冠状面和矢状面。

可选的，采用如下公式对所述预设人体部位的n个切面的医学图像的分割结果进行加权融合：