[发明专利]图像分割方法、装置、电子设备及计算机可读存储介质

说明书

本发明涉及人工智能领域，提供了一种图像分割方法，该方法包括：将DICOM格式的腹部CT图像数据转换为JPG格式的腹部图像；将所述JPG格式的腹部图像输入基于Vnet网络模型构建的生成网络模型；通过所述生成网络模型生成6通道的预测分割标签；根据所述6通道的预测分割标签得到预测分割结果图像，其中，预测分割结果图像包括皮下脂肪图像、肌肉图像、骨头图像、内脏脂肪图像、内脏器官图像、背景图像。此外，本发明还涉及区块链技术，所述DICOM格式的腹部CT图像数据、所述JPG格式的腹部图像存储于区块链中。这样，可以提高腹部肌肉图像、脂肪图像的分割效果。

技术领域

本发明涉及人工智能领域，尤其涉及图像分割方法、装置、电子设备及计算机可读存储介质。

背景技术

脂肪与骨骼肌等人体成分分析是医学研究的重要手段，人体内含有的脂肪与骨骼肌等成分含量情况，是评价个体营养状态的重要依据，在患者的诊断、治疗与预后等临床环节具有重要指导意义。目前，基于电子计算机断层扫描(Computed Tomography，CT)等影像学技术的脂肪与骨骼肌定量分析是广受认可的评估手段。特别是脐平面CT图像的骨骼肌面积、内脏脂肪面积、皮下脂肪面积、全腹脂肪体积等指标具有重要的临床价值。

目前医生普遍方法是针对腹部脐平面图像，根据阈值将内脏脂肪和皮下脂肪分割出来，后续手动标注肌肉的分界线，对肌肉图像与脂肪图像进行分割。但是，由于手动标注肌肉的分界线非常耗时，分界线的精度不佳，导致存在腹部肌肉图像与脂肪图像分割耗时久、分割效果差的问题。

因此，如何在克服以上不足的情况下，提供基于CT腹部图像的图像处理方案，已经成为一个亟待解决的技术问题。

发明内容

有鉴于此，本发明提出图像分割方法、装置、电子设备及计算机可读存储介质，以解决现有技术中腹部肌肉图像与脂肪图像分割耗时久、分割精度低的问题。

首先，为实现上述目的，本发明提出一种图像分割方法，所述方法包括步骤：

将DICOM格式的腹部CT图像数据转换为JPG格式的腹部图像；

基于Vnet网络模型构建生成网络模型，将所述JPG格式的腹部图像输入所述生成网络模型；

通过所述生成网络模型生成6通道的预测分割标签，其中，所述6通道的预测分割标签包括皮下脂肪、肌肉、骨头、内脏脂肪、内脏器官、背景预测分割标签；

根据所述6通道的预测分割标签得到预测分割结果图像，其中，所述预测分割结果图像包括皮下脂肪图像、肌肉图像、骨头图像、内脏脂肪图像、内脏器官图像、背景图像。

可选地，所述DICOM格式的腹部CT图像数据、所述JPG格式的腹部图像存储于区块链中，所述基于Vnet网络模型构建生成网络模型，包括以下步骤：

将所述Vnet网络模型编码阶段的卷积核设置为二维卷积核；

将所述Vnet网络模型解码阶段的反卷积替换为双线性插值，得到修改后的Vnet网络模型；

在所述修改后的Vnet网络模型中接入通道注意力CA模块，得到所述生成网络模型，其中，所述CA模块用于获取所述修改后的Vnet网络的编码阶段、解码阶段生成的高级特征图的语义信息，并根据所述语义信息从低级特征图中选取属于高级特征图的像素点信息；

其中，所述高级特征图及低级特征图根据在编码阶段及解码阶段获得特征图的先后顺序确定，在所述编码阶段相邻编码层中，下一层编码层获得的特征图比上一编码层获得的特征图要高级；在所述解码阶段相邻编码层中，上一解密层获得的特征图比下一解密层获得的特征图要低级。

可选地，所述通过所述生成网络模型生成6通道的预测分割标签，包括以下步骤：

通过所述生成网络模型的编码阶段获取每个编码层的特征图；