[發(fā)明專利]一種圖像分割方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811604047.3
• 申請日: 2018-12-26
• 公開（公告）號: CN109712161A
• 公開（公告）日: 2019-05-03
• 發(fā)明（設(shè)計）人: 沈建華;王曉東
• 申請（專利權(quán)）人: 上海聯(lián)影醫(yī)療科技有限公司
• 主分類號: G06T7/136
• 分類號: G06T7/136
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例公開了一種圖像分割方法、裝置、設(shè)備及存儲介質(zhì)。該方法包括：獲取目標(biāo)對象的圖像數(shù)據(jù)，并根據(jù)圖像數(shù)據(jù)確定待分割圖像；基于預(yù)設(shè)的低閾值區(qū)域增長算法對待分割圖像進(jìn)行分割，得到管狀結(jié)構(gòu)的初分割圖像；對初分割圖像進(jìn)行骨架化處理，得到管狀結(jié)構(gòu)的圖像樹；基于預(yù)設(shè)的高閾值概率裁剪算法對圖像樹進(jìn)行裁剪，并根據(jù)裁剪后的圖像樹確定管狀結(jié)構(gòu)的分割圖像。本發(fā)明實(shí)施例的技術(shù)方案，解決了現(xiàn)有方案中存在的分割不完整或是分割泄露的問題，可以精確分割出醫(yī)學(xué)圖像中的管狀結(jié)構(gòu)例如氣管、血管、冠脈等，為醫(yī)學(xué)診斷提供了依據(jù)。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及醫(yī)學(xué)圖像處理技術(shù)，尤其涉及一種圖像分割方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

心血管疾病是發(fā)病率和死亡率較高的疾病，基于電子計算機(jī)X射線斷層掃描(Computed Tomography，CT)技術(shù)的心臟冠脈分割可以提取出冠脈的左右冠脈樹輪廓以及冠脈的主干和細(xì)枝，可以讓醫(yī)生更加方便的觀察狹窄、鈣化和斑塊等情況，從而為醫(yī)生對心血管疾病的早期預(yù)防和診斷提供依據(jù)。

現(xiàn)有的管狀例如血管、氣管、冠脈等結(jié)構(gòu)的分割多是基于區(qū)域增長技術(shù)或是基于中心線追蹤技術(shù)。但是，基于區(qū)域增長的分割技術(shù)是基于種子點(diǎn)的區(qū)域增長，如果采用過高閾值則會導(dǎo)致分割不完整、采用過低閾值則會產(chǎn)生分割泄露的問題；而基于中心線追蹤的分割技術(shù)是基于預(yù)設(shè)的步長和方向的分割，當(dāng)步長和方向存在間隔時，可能會跳過一些細(xì)小分支，導(dǎo)致分割不完整的問題。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種圖像方法、裝置、設(shè)備及存儲介質(zhì)，解決了管狀結(jié)構(gòu)分割領(lǐng)域存在的分割不完整或是分割泄露的問題。

第一方面，本發(fā)明實(shí)施例提供了一種圖像分割方法，可以包括：

獲取目標(biāo)對象的圖像數(shù)據(jù)，并根據(jù)圖像數(shù)據(jù)確定待分割圖像；

基于預(yù)設(shè)的低閾值區(qū)域增長算法對待分割圖像進(jìn)行分割，得到管狀結(jié)構(gòu)的初分割圖像；

對初分割圖像進(jìn)行骨架化處理，得到管狀結(jié)構(gòu)的圖像樹；

基于預(yù)設(shè)的高閾值概率裁剪算法對圖像樹進(jìn)行裁剪，并根據(jù)裁剪后的圖像樹確定管狀結(jié)構(gòu)的分割圖像。

可選的，對初分割圖像進(jìn)行骨架化處理，得到管狀結(jié)構(gòu)的圖像樹，包括：

遍歷初分割圖像中各數(shù)據(jù)，如果刪除數(shù)據(jù)不改變初分割圖像的連通性，則刪除數(shù)據(jù)；否則，保留數(shù)據(jù)，作為骨架數(shù)據(jù)；

根據(jù)骨架數(shù)據(jù)確定左樹起始點(diǎn)和右樹起始點(diǎn)，并分別確定各骨架數(shù)據(jù)到左樹起始點(diǎn)和右樹起始點(diǎn)的路徑，得到管狀結(jié)構(gòu)的圖像樹。

可選的，基于預(yù)設(shè)的高閾值概率裁剪算法對圖像樹進(jìn)行裁剪，可以包括：

確定圖像樹中各葉子節(jié)點(diǎn)到左樹起始點(diǎn)和右樹起始點(diǎn)的路徑；

遍歷各路徑，裁剪小于預(yù)設(shè)的高概率閾值的葉子節(jié)點(diǎn)。

可選的，基于預(yù)設(shè)的高閾值概率裁剪算法對圖像樹進(jìn)行裁剪，可以包括：

如果中間路徑中各分支節(jié)點(diǎn)小于預(yù)設(shè)的高概率閾值且各分支節(jié)點(diǎn)的個數(shù)大于預(yù)設(shè)閾值，確定各分支節(jié)點(diǎn)中的起始端點(diǎn)和末端端點(diǎn)，其中，分支節(jié)點(diǎn)是除根節(jié)點(diǎn)和葉子節(jié)點(diǎn)之外的節(jié)點(diǎn)；

基于預(yù)設(shè)的最優(yōu)路徑算法，找到起始端點(diǎn)和末端端點(diǎn)之間的路徑，則替換中間路徑；否則，裁剪中間路徑中各分支節(jié)點(diǎn)。

可選的，在獲取目標(biāo)對象的圖像數(shù)據(jù)之后，所述方法還可以包括：

基于預(yù)設(shè)特征和預(yù)設(shè)機(jī)器學(xué)習(xí)算法對圖像數(shù)據(jù)進(jìn)行增強(qiáng)，并將增強(qiáng)后的數(shù)據(jù)作為圖像數(shù)據(jù)；其中，預(yù)設(shè)特征包括海森特征和下述中的至少一個：灰度、梯度以及隨機(jī)哈爾。

可選的，基于預(yù)設(shè)的低閾值區(qū)域增長算法對待分割率圖像進(jìn)行分割，包括：