[發(fā)明專利]一種器官圖像分割方法、裝置、電子設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910877982.5
• 申請日: 2019-09-17
• 公開（公告）號: CN110599505A
• 公開（公告）日: 2019-12-20
• 發(fā)明（設(shè)計）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 上海微創(chuàng)醫(yī)療器械(集團)有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187
• 代理公司: 31295 上海思捷知識產(chǎn)權(quán)代理有限公司
• 代理人: 王宏婧

1.一種器官圖像分割方法，其特征在于，包括：

采用預(yù)先訓練好的神經(jīng)網(wǎng)絡(luò)模型對待分割器官圖像進行分割，得到初始器官分割圖像；

根據(jù)所述初始器官分割圖像計算區(qū)域生長的種子點位置和合并閾值；以及

根據(jù)所述種子點位置和合并閾值，采用區(qū)域生長法對所述待分割器官圖像進行分割，以獲得最終的器官圖像。

2.根據(jù)權(quán)利要求1所述的器官圖像分割方法，其特征在于，在采用預(yù)先訓練好的神經(jīng)網(wǎng)絡(luò)模型對待分割器官圖像進行分割之前，所述方法還包括：

對所述待分割器官圖像進行預(yù)處理，以濾除所述待分割器官圖像中的噪聲。

3.根據(jù)權(quán)利要求1所述的器官圖像分割方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為深度全卷積網(wǎng)絡(luò)模型。

4.根據(jù)權(quán)利要求3所述的器官圖像分割方法，其特征在于，所述深度全卷積網(wǎng)絡(luò)模型通過以下步驟訓練得到：

獲取原始訓練樣本，所述原始訓練樣本包括原始器官訓練圖像和與所述原始器官訓練圖像對應(yīng)的標簽圖像，所述標簽圖像為已標注出器官的器官圖像；

對所述原始訓練樣本進行擴展，得到擴展后的訓練樣本，所述擴展后的訓練樣本包括擴展后的器官訓練圖像和與所述擴展后的器官訓練圖像對應(yīng)的標簽圖像；

設(shè)置深度全卷積網(wǎng)絡(luò)模型的模型參數(shù)的初始值；以及

根據(jù)所述擴展后的訓練樣本和所述模型參數(shù)的初始值對預(yù)先搭建的深度全卷積網(wǎng)絡(luò)模型進行訓練，直至滿足預(yù)設(shè)訓練結(jié)束條件。

5.根據(jù)權(quán)利要求4所述的器官圖像分割方法，其特征在于，所述根據(jù)所述擴展后的訓練樣本和模型參數(shù)的初始值對預(yù)先搭建的深度全卷積網(wǎng)絡(luò)模型進行訓練，具體為：

根據(jù)所述擴展后的訓練樣本和模型參數(shù)的初始值采用隨機梯度下降法對預(yù)先搭建的深度全卷積網(wǎng)絡(luò)模型進行訓練。

6.根據(jù)權(quán)利要求5所述的器官圖像分割方法，其特征在于，所述預(yù)設(shè)訓練結(jié)束條件為擴展后的訓練樣本中的器官圖像的預(yù)測結(jié)果與對應(yīng)的標簽圖像的誤差值收斂到預(yù)設(shè)誤差值。

7.根據(jù)權(quán)利要求6所述的器官圖像分割方法，其特征在于，所述根據(jù)所述擴展后的訓練樣本和模型參數(shù)的初始值采用隨機梯度下降法對預(yù)先搭建的深度全卷積網(wǎng)絡(luò)模型進行訓練，具體包括：

步驟A：將擴展后的器官圖像作為深度全卷積網(wǎng)絡(luò)模型的輸入，根據(jù)模型參數(shù)的初始值，獲取所述擴展后的器官圖像的預(yù)測結(jié)果；

步驟B：根據(jù)所述預(yù)測結(jié)果和所述擴展后的器官圖像對應(yīng)的標簽圖像，計算損失函數(shù)值；以及

步驟C：判斷所述損失函數(shù)值是否收斂到預(yù)設(shè)值，如果是，訓練結(jié)束，如果否，調(diào)整模型參數(shù)，并將所述模型參數(shù)的初始值更新為調(diào)整后的模型參數(shù)，返回執(zhí)行所述步驟A。

8.根據(jù)權(quán)利要求1所述的器官圖像分割方法，其特征在于，所述根據(jù)所述初始器官分割圖像計算區(qū)域生長的種子點位置，具體包括：

采用最大連通域法去除所述初始器官分割圖像上的小目標區(qū)域，以獲得區(qū)域圖像；以及

根據(jù)體數(shù)據(jù)，選擇所述區(qū)域圖像的至少一層的二維圖像作為種子點所在區(qū)域，分別進行最大連通域分析，并將所述最大連通域的中心點作為種子點。

9.根據(jù)權(quán)利要求1所述的器官圖像分割方法，其特征在于，所述合并閾值包括上限閾值和下限閾值，所述上限閾值和所述下限閾值的計算步驟包括：

計算所述初始器官分割圖像的像素值的均值和標準差；以及

根據(jù)所述像素值的均值和標準差計算所述上限閾值和所述下限閾值，其中，上限閾值＝均值+標準差，下限閾值＝均值-標準差。

10.根據(jù)權(quán)利要求9所述的器官圖像分割方法，其特征在于，所述均值和所述標準差通過如下步驟得到：

對所述初始器官分割圖像進行圖像直方圖統(tǒng)計，以獲得圖像直方圖；

根據(jù)所述圖像直方圖進行正態(tài)分布曲線的擬合；以及

根據(jù)擬合出來的正態(tài)分布曲線計算得到所述均值和標準差。