[发明专利]医学图像的目标元素分割方法、模型、电子设备

说明书

本申请公开了一种医学图像的目标元素分割方法、模型、电子设备。该方法包括：获取待分割的医学图像，并进行增强和扩增处理，作为输入数据；将输入数据输入分割模型，由分割模型输出对应的分割结果，其中，分割模型具有多尺度特征激活模块，残余标签模块以及距离图加权模块；根据分割结果对医学图像中的目标元素进行分割。解决了相关技术中在对医学图像中的血管进行分割时，由于模型结构不佳，导致血管分割结果准确率低的问题。

技术领域

本申请涉及图像分割领域，具体而言，涉及一种医学图像的目标元素分割方法、模型、电子设备。

背景技术

传统的医学图像分割，虽然体处理了利用UNet分割网络作为模型的主干网络，但是由于医学图像中的血管体积较小，与其他的器官组织相比，更难被有效的识别和发现，导致现有的UNet分割网络也无法进行有效的分割。

针对相关技术中在对医学图像中的血管进行分割时，由于模型结构不佳，导致血管分割结果准确率低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种医学图像的目标元素分割方法、模型、电子设备，以解决相关技术中在对医学图像中的血管进行分割时，由于模型结构不佳，导致血管分割结果准确率低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种医学图像的目标元素分割方法，所述方法包括：获取待分割的医学图像，并进行增强和扩增处理，作为输入数据；将所述输入数据输入分割模型，由所述分割模型输出对应的分割结果，其中，所述分割模型具有多尺度特征激活模块，残余标签模块以及距离图加权模块；根据所述分割结果对所述医学图像中的目标元素进行分割。

可选的，获取待分割的医学图像，并进行增强和扩增处理，作为输入数据包括：获取所述医学图像，其中，所述医学图像中包括所述目标元素的感兴趣区域；对所述目标元素进行增强，得到增强图像；对所述医学图像和所述增强图像进行通道合并，得到合并图像；对所述合并图像通过重采样，强度调整以及归一化处理；对处理后的合并图像，进行数据扩增，得到多个预设尺寸大小的图像特征集，作为所述输入数据。

可选的，将所述输入数据输入分割模型，由所述分割模型输出对应的分割结果包括：将预设尺寸大小的图像特征，输入所述分割模型，其中，所述分割模型的主干网络为UNet分割网络，所述UNet分割网络包括多层编码模块和解码模块；每层的解码模块和编码模块之间通过跳跃连接结构相连，下层的编码模块输入为上层的编码模块输出进行下采样得到的数据，上层的解码模块输入包括本层的编码模块的输出，以及下层的解码模块输出进行上采样得到的数据；将多层编码模块的输出数据输入至所述多尺度特征激活模块进行特征激活处理，将处理后的融合特征数据发送给每层编码模块对应的解码模块；将多层解码模块的输出数据输入至所述残余标签模块，计算残余标签；将所述残余标签输入所述距离图加权模块，将所述距离图加权模块的输出作为各层解码模块上采样的输入；通过所述UNet分割网络输出最终的分割结果。

可选的，将多层编码模块的输出数据输入至所述多尺度特征激活模块进行特征激活处理，将处理后的融合特征数据发送给每层编码模块对应的解码模块包括：在所述多尺度特征激活模块中，将多层编码模块的输出数据通过各自对应的通道输入压缩激励单元，对各层编码模块的输出数据进行特征融合，并进行筛选，得到各通道的融合特征；将各通道的融合特征发送给每层编码模块对应的解码模块。

可选的，将多层解码模块的输出数据输入至所述残余标签模块，计算残余标签包括：在所述残余标签模块中，根据所述医学图像中元素标签的切片，通过残余标签计算公式，计算所述残余标签，其中，所述残余标签计算公式如下：，式中，和代表的第层和第层两张相邻切片，切片大小为，为残余标签，，为切片中每个体素的元素标签值。