[发明专利]一种图像分割模型的构建方法、图像分割方法及系统

说明书

本发明涉及图像分割技术领域，公开了一种图像分割模型的构建方法、图像分割方法及系统，方法包括：采集多张口腔医学图像，获得口腔医学图像样本集；对所述的口腔医学图像白斑区域进行标注，获得口腔医学图像白斑区域标注样本集；将所述的口腔医学图像白斑区域标注样本集输入Mask R‑CNN‑S神经网络，获得白斑区域的二值掩码图集；对预构建的Mask R‑CNN‑S神经网络模型进行训练，以获得训练好的Mask R‑CNN‑S神经网络模型；采集待分割的口腔医学图像并进行标注，以得到待分割的口腔医学图像的标注样本集；对所述口腔医学图像进行分割，最终得到分割好的图像。本发明能够提高从口腔医学图像中分割白斑区域的准确性。

技术领域

本发明涉及图像处理，具体涉及一种图像分割模型的构建方法、图像分割方法及系统。

背景技术

随着医学成像技术的发展，医学影像在医学诊断中有着不可或缺的地位，计算机辅助诊断技术的快速发展能够利用计算机辅助处理、分析医学影像，帮助医生更好的对病情做出正确的判断。医学图像分割作为医学影像处理的第一阶段对医学影像分析和可视化都有着重要的意义，医学图像分割是病变区域提取、器官组织测量以及三维重建的基础，在图像引导手术、医学影像间的配准等方面也起到了不可替代的作用。

口腔白斑(OLK)是癌前病变，医生通常是通过观察病人是否存在口腔白斑来评估他们的病情。在口腔白斑的诊断过程中，医生根据病变的大小和组织病理学特征对口腔白斑进行分级。

为了充分利用医生的实践经验，我们使用经过专业医生标注的图像数据，利用计算机视觉领域中的深度学习方法分割病灶区域，以辅助医生诊断。但是，口腔白斑分割的难点在于病损区域与健康口腔组织相似，白斑区域边界不清楚，病灶区域难以从口腔图像中准确分割，存在误分割、漏分割、分割不准确的情况，而且目前，尚未有针对口腔白斑分割的研究。

发明内容

针对上述现有技术存在的问题或缺陷，本发明的目的在于提供一种图像分割模型的构建方法、图像分割方法及系统，以解决现有技术中口腔白斑分割不清楚的问题。

本发明所述的图像分割模型的构建方法、图像分割方法及系统适用于口腔白斑图像，

为了实现上述任务，本发明采用以下技术方案：

一种图像分割模型的构建方法，所述的构建方法包括以下步骤：

步骤S1，采集多张口腔医学图像，获得口腔医学图像样本集；

步骤S2，对所述的口腔医学图像白斑区域进行标注，获得口腔医学图像白斑区域标注样本集；

步骤S3，将所述的口腔医学图像白斑区域标注样本集输入Mask R-CNN-S神经网络，获得白斑区域的二值掩码图集；

步骤S4，将所述的白斑区域的二值掩码图集作为输出集，将所述的口腔医学图像白斑区域标注样本集作为目标级，对预构建的Mask R-CNN-S神经网络模型进行训练，以获得训练好的Mask R-CNN-S神经网络模型。

优选地，步骤S4中构建的Mask R-CNN-S神经网络模型包括特征提取网络、应用注意力机制的特征融合网络、RPN网络、候选区域、第一ROI Align、分类和回归分支、第二ROIAlign和Mask分支；

其中，所述的应用注意力机制的特征融合网络层用于RPN网络、分类回归分支以及Mask分支。

优选地，所述的特征提取网络的网络结构为去掉网络Top部分的ResNet50网络。

优选地，所述的Mask R-CNN-S神经网络模型按照以下步骤对图像进行处理，

步骤41，特征提取网络对输入的待分割的口腔医学图像进行特征提取，得到待分割的口腔医学图像的第一特征图；