[发明专利]血管分割方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种血管分割方法、装置、电子设备及存储介质。该方法包括：分别将待分割图像输入至少两个预先训练的设定神经网络模型，生成与每个设定神经网络模型对应的初始分割结果；利用每个所述设定神经网络模型对应的目标模型权重值，对各所述初始分割结果进行加权处理，生成加权分割结果，其中，所述目标模型权重值于训练所述设定神经网络模型时确定；对所述加权分割结果进行图像后处理，生成分割血管图像。通过上述技术方案，实现了首次将Boosting建模思想应用至血管分割领域，解决了单个神经网络模型所得血管分割结果精度较低的问题，达到了提高血管分割精度的效果。

技术领域

本发明实施例涉及医学图像处理技术，尤其涉及一种血管分割方法、装置、电子设备及存储介质。

背景技术

医学图像中的血管分割是一个基本问题，例如肝脏的血管分割被广泛应用于肝脏病变的诊断、治疗以及肝脏手术的规划。

目前血管分割的一类常用方法为传统的图像处理方法，例如阈值分割方法或区域生长方法等，但是这些方法的血管分割精度均有限，难以满足临床需求。另一类常用方法为基于深度学习的图像处理方法，例如全卷积神经网络模型(Fully convolutionalnetworks,FCN)、基于二维医学图像的全卷积神经网络模型U-net和基于三维医学图像的全卷积神经网络模型V-net等，这些方法在准确率以及鲁棒性上远胜于传统的图像处理方法，但是由于成像设备的限制和血管本身形态结构的复杂性，利用上述任一个卷积神经网络模型所得的血管分割结果均容易出现血管分支较少、血管边界错误以及分割块状等问题。

发明内容

本发明实施例提供一种血管分割方法、装置、电子设备及存储介质，以提高血管分割的精度。

第一方面，本发明实施例提供了一种血管分割方法，包括：

分别将待分割图像输入至少两个预先训练的设定神经网络模型，生成与每个设定神经网络模型对应的初始分割结果；

利用每个所述设定神经网络模型对应的目标模型权重值，对各所述初始分割结果进行加权处理，生成加权分割结果，其中，所述目标模型权重值于训练所述设定神经网络模型时确定；

对所述加权分割结果进行图像后处理，生成分割血管图像。

第二方面，本发明实施例还提供了一种血管分割装置，该装置包括：

初始分割结果生成模块，用于分别将待分割图像输入至少两个预先训练的设定神经网络模型，生成至少两个初始分割结果；

加权分割结果生成模块，用于利用每个所述设定神经网络模型对应的目标模型权重值，对各所述初始分割结果进行加权处理，生成加权分割结果，其中，所述目标模型权重值于训练所述设定神经网络模型时确定；

分割血管图像生成模块，用于对所述加权分割结果进行图像后处理，生成分割血管图像。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的血管分割方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的血管分割方法。