[發明專利]一種器官圖像分割方法、裝置、電子設備和存儲介質

在審

• 申請號: 201910877982.5
• 申請日: 2019-09-17
• 公開（公告）號: CN110599505A
• 公開（公告）日: 2019-12-20
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 上海微創醫療器械(集團)有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187
• 代理公司: 31295 上海思捷知識產權代理有限公司
• 代理人: 王宏婧

本發明提供了一種器官圖像分割方法、裝置、電子設備和存儲介質，所述方法包括：采用預先訓練好的神經網絡模型對待分割器官圖像進行分割，得到初始器官分割圖像；根據初始器官分割圖像計算區域生長的種子點位置和合并閾值；以及根據種子點位置和合并閾值，采用區域生長法對待分割器官圖像進行分割，以獲得最終的器官圖像。本發明不僅減少了人機交互的繁瑣操作，而且可以提高圖像分割效率，進而可以更好地輔助醫生。

技術領域

本發明涉及圖像處理技術領域，特別涉及一種器官圖像分割方法、裝置、電子設備和存儲介質。

背景技術

血管疾病尤其是心血管疾病，已經成為威脅人類生命安全的主要疾病之一。在手術過程中，醫生通過血管成像技術來輔助診斷各種血管疾病，例如鈣化、主動脈夾層、動脈瘤等。

血管成像技術包括計算機斷層血管造影(CTA)、核磁共振血管造影(MRA)等。血管成像得到的是三維影像，該影像不僅有血管組織同時還包含血管周圍其他組織(骨骼，脂肪，肌肉，肺組織等)，無法給醫生帶來精準診斷。所以，從三維影像中提取整個血管區域，并以三維顯示技術展示血管的形態，會提高醫生診斷準確率。

雖然目前已經有很多血管分割的技術，但血管分割問題仍然是一個非常具有挑戰性的任務。目前血管分割方法主要以手動和半自動為主，已有的半自動血管分割方法大致可以分為兩類：自頂向下和自底向上。

其中，手動血管分割方法需要花費大量的時間和精力。自頂向下的半自動分割方法需要人為輸入種子點作為開始條件，然后基于目標誤差迭代合并鄰近的區域，最后生成圖像，但該方法不僅需要人為輸入種子點信息，還需要人為輸入目標誤差值。自底向上的半自動分割方法利用管狀檢測濾波器來分割血管，雖然不需要人為輸入初始化信息，但是該方法計算開銷大，受噪聲影響大且在對比度較低的區域無法得到完整的血管結構。

發明內容

本發明的目的在于提供一種器官圖像分割方法、裝置、電子設備和存儲介質，以減少人機交互的繁瑣操作以及提高圖像分割的效率。

為達到上述目的，本發明提供一種器官圖像分割方法，包括：

采用預先訓練好的神經網絡模型對待分割器官圖像進行分割，得到初始器官分割圖像；

根據所述初始器官分割圖像計算區域生長的種子點位置和合并閾值；以及

根據所述種子點位置和合并閾值，采用區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。

可選的，在采用預先訓練好的神經網絡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處理，以濾除所述待分割器官圖像中的噪聲。

可選的，所述神經網絡模型為深度全卷積網絡模型。

可選的，所述深度全卷積網絡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的標簽圖像；

設置深度全卷積網絡模型的模型參數的初始值；以及

根據所述擴展后的訓練樣本和模型參數的初始值對預先搭建的深度全卷積網絡模型進行訓練，直至滿足預設訓練結束條件。

可選的，所述根據所述擴展后的訓練樣本和模型參數的初始值對預先搭建的深度全卷積網絡模型進行訓練，具體為：

根據所述擴展后的訓練樣本和模型參數的初始值采用隨機梯度下降法對預先搭建的深度全卷積網絡模型進行訓練。