[發明專利]圖像分割方法、圖像分割模型及其訓練方法

在審

• 申請號: 202110997809.6
• 申請日: 2021-08-27
• 公開（公告）號: CN113570625A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 趙軻俊;馬旭寧
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08;G16H30/20
• 代理公司: 上海思捷知識產權代理有限公司 31295
• 代理人: 張敏

本發明提供一種圖像分割方法、圖像分割模型及其訓練方法，在訓練圖像分割模型的第一神經網絡時，將至少一個第一目標有向距離場及第一樣本圖像輸入至第一神經網絡，以使第一神經網絡基于第一目標有向距離場對第一樣本圖像的感興趣區域進行勾畫預測，并基于勾畫預測數據調節第一神經網絡的網絡參數，相當于使用各像素點到感興趣區域的距離作為訓練第一神經網絡的對象，使得得到的圖像分割模型可以基于像素點與感興趣區域之間的距離來進行圖像分割，因此對沒有明顯的灰度值變化界限的圖像，同樣可以產生良好的分割效果，可以解決目前對于一些輪廓上沒有明顯的灰度值變化的器官組織的自動分割無法達到臨床要求的問題。

技術領域

本發明涉及圖像分割技術領域，特別涉及一種圖像分割方法、圖像分割模型及其訓練方法。

背景技術

在當前的醫學領域中，對于器官尤其是靶區的自動分割是一個比較熱門的技術領域。隨著深度學習技術逐漸成熟，也成為了自動分割的主要技術方法。

深度學習在心臟、肺、肝等臟器的自動分割表現了顯著的技術優勢，由于這些臟器在計算機斷層掃描成像(CT)或磁共振成像(MR)等圖像中會有明顯的灰度值變化界限，通過學習這些界限可以容易地對器官進行自動分割。然而，腫瘤等一些組織的輪廓上通常沒有明顯的灰度值變化，這就使得訓練結果不理想，因此，目前對于腫瘤的自動分割目前還遠遠無法達到臨床要求。

發明內容

本發明的目的在于提供一種圖像分割方法、圖像分割模型及其訓練方法，以解決目前對于一些輪廓上沒有明顯的灰度值變化的器官組織的自動分割無法達到臨床要求的問題。

為解決上述技術問題，本發明提供一種圖像分割模型的訓練方法，所述圖像分割模型包括用于圖像分割的第一神經網絡，所述訓練方法包括：

將至少一個第一目標有向距離場及第一樣本圖像輸入至所述第一神經網絡，以使所述第一神經網絡基于所述第一目標有向距離場對所述第一樣本圖像的感興趣區域進行勾畫預測，并基于勾畫預測數據調節所述第一神經網絡的網絡參數，以完成對所述第一神經網絡的訓練。

可選的，所述第一神經網絡基于所述第一目標有向距離場對所述第一樣本圖像的有向距離進行調整，從而完成對所述第一樣本圖像的感興趣區域的勾畫。

可選的，所述基于勾畫預測數據調節所述第一神經網絡的網絡參數包括：

基于勾畫預測數據與目標勾畫預測數據的差異調節所述第一神經網絡的網絡參數。

可選的，所述圖像分割模型還包括用于預測有向距離場的第二神經網絡，所述訓練方法還包括：

將第二樣本圖像輸入至所述第二神經網絡，以使所述第二神經網絡預測所述第二樣本圖像中相對感興趣區域的第一有向距離場，并計算所述第一有向距離場與所述第二樣本圖像的第二目標有向距離場之間的損失值調節所述第二神經網絡的網絡參數，以完成對所述第二神經網絡的訓練。

可選的，所述第一目標有向距離場通過將所述第一樣本圖像或所述第二樣本圖像輸入至訓練完成的所述第二神經網絡所預測得到；或者，

所述第一目標有向距離場通過將所述第一樣本圖像或所述第二樣本圖像輸入至訓練完成的所述第二神經網絡，而后利用激活函數對訓練完成的所述第二神經網絡的輸出結果進行激活得到；或者，

所述第一目標有向距離場為計算所述第一樣本圖像中的像素點至所述感興趣區域的有向距離得到。

可選的，所述第一樣本圖像和/或所述第二樣本圖像通過對原始圖像進行處理得到，對所述原始圖像進行處理以得到所述第一樣本圖像和/或所述第二樣本圖像的方法包括：

計算所述原始圖像中各像素點到至少一個第一感興趣區域的輪廓的有向距離；以及，

將計算得到的所有有向距離與輪廓勾畫指南規定的標準相比較，調整第二感興趣區域的輪廓，以得到所述第一樣本圖像或所述第二樣本圖像。