[發(fā)明專利]圖像分割方法、裝置、電子設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911187762.6
• 申請日: 2019-11-28
• 公開（公告）號: CN110910408A
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 柴象飛;陳聰;郭娜;夏勇;張建鵬;左盼莉
• 申請（專利權(quán)）人: 慧影醫(yī)療科技(北京)有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T17/00;G06N3/04;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 胡蓉

1.一種圖像分割方法，其特征在于，應(yīng)用于電子設(shè)備，所述方法包括：

獲取內(nèi)臟三維樣本集，所述內(nèi)臟三維樣本集中包括標(biāo)注有分類結(jié)果的多個內(nèi)臟三維樣本，所述分類結(jié)果包括內(nèi)臟分類結(jié)果和腫瘤分類結(jié)果；

根據(jù)預(yù)先配置的混合卷積訓(xùn)練模型提取所述內(nèi)臟三維樣本的卷積堆疊矩陣，并對所述卷積堆疊矩陣進行時空域分解卷積，得到對應(yīng)的三維時空卷積特征和二維時空卷積特征；

根據(jù)所述三維時空卷積特征和二維時空卷積特征對所述混合卷積訓(xùn)練模型進行訓(xùn)練，得到訓(xùn)練后的圖像分割模型，以通過所述圖像分割模型對輸入的內(nèi)臟三維圖像進行內(nèi)臟分割和腫瘤分割，其中，在根據(jù)所述二維時空卷積特征對所述混合卷積訓(xùn)練模型進行訓(xùn)練的過程中，根據(jù)所述二維時空卷積特征對所述混合卷積訓(xùn)練模型進行遷移學(xué)習(xí)訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述獲取內(nèi)臟三維樣本集的步驟，包括：

獲取來自多個檢查中心中不同CT設(shè)備各自生成的內(nèi)臟三維初始圖像；

根據(jù)標(biāo)注指令在各個內(nèi)臟三維初始圖像上添加對應(yīng)的分類結(jié)果，得到對應(yīng)的內(nèi)臟三維標(biāo)注圖像；

對各個內(nèi)臟三維標(biāo)注圖像進行預(yù)處理，得到預(yù)處理后的各個內(nèi)臟三維標(biāo)注圖像，以形成所述內(nèi)臟三維樣本集。

3.根據(jù)權(quán)利要求2所述的圖像分割方法，其特征在于，所述對各個內(nèi)臟三維標(biāo)注圖像進行預(yù)處理，得到預(yù)處理后的各個內(nèi)臟三維標(biāo)注圖像的步驟，包括：

將每個內(nèi)臟三維標(biāo)注圖像在各個坐標(biāo)軸上的分辨率進行歸一化處理；

將歸一化處理分辨率后的內(nèi)臟三維標(biāo)注圖像的影像體素值的Hu值限制在預(yù)設(shè)值范圍內(nèi)后，對所述Hu值進行歸一化處理，使得所述內(nèi)臟三維標(biāo)注圖像的圖像值為均值為0、方差為1的圖像值；

將歸一化處理Hu值后的各個內(nèi)臟三維標(biāo)注圖像進行數(shù)據(jù)擴充，得到預(yù)處理后的各個內(nèi)臟三維標(biāo)注圖像。

4.根據(jù)權(quán)利要求1所述的圖像分割方法，其特征在于，所述混合卷積訓(xùn)練模型包括二維卷積網(wǎng)絡(luò)和三維深度可分解卷積網(wǎng)絡(luò)，所述三維深度可分解卷積網(wǎng)絡(luò)，所述三維深度可分解卷積網(wǎng)絡(luò)包括多個二維深度可分解卷積塊；

所述根據(jù)預(yù)先配置的混合卷積訓(xùn)練模型提取所述內(nèi)臟三維樣本的卷積堆疊矩陣的步驟，包括：

根據(jù)所述二維卷積網(wǎng)絡(luò)提取內(nèi)臟三維樣本的二維卷積特征；

分別通過所述多個二維深度可分解卷積塊對所述二維卷積特征進行N次下采樣后進行卷積提取，得到多個二維深度可分解卷積結(jié)果；

將所述多個二維深度可分解卷積結(jié)果進行堆疊，得到所述內(nèi)臟三維樣本的卷積堆疊矩陣，其中，所述卷積堆疊矩陣包括二維編碼輸出的特征圖個數(shù)、特征圖坐標(biāo)層數(shù)、特征圖高度以及特征圖寬度。

5.根據(jù)權(quán)利要求4所述的圖像分割方法，其特征在于，所述對所述卷積堆疊矩陣進行時空域分解卷積，得到對應(yīng)的三維時空卷積特征和二維時空卷積特征的步驟，包括：

對所述卷積堆疊矩陣進行時域分解卷積，以融合所述卷積堆疊矩陣中的層間信息，并對所述卷積堆疊矩陣進行空域分解卷積，以融合所述卷積堆疊矩陣中的層內(nèi)信息，從而得到對應(yīng)的三維時空卷積特征和二維時空卷積特征。