[发明专利]医学图像分割方法、装置、设备、系统及计算机存储介质

权利要求书

1.一种医学图像分割方法，其特征在于，所述方法包括：

调用目标检测模型从待分割的医学图像中检测出目标器官所在的候选区域；

调用与神经网络模型不同的目标定位模型从所述候选区域中定位出所述目标器官所在的最终区域；

调用与所述神经网络模型不同的目标分割模型对所述最终区域进行分割以获得所述目标器官的分割结果。

2.根据权利要求1所述的方法，其特征在于，所述目标检测模型包括经过训练的YOLOv3模型、SSD模型、R-CNN模型或Faster R-CNN模型。

3.根据权利要求1所述的方法，其特征在于，所述目标定位模型被调用时能够实现区域生长算法或基于图像强度的K均值聚类算法的功能。

4.根据权利要求3所述的方法，其特征在于，当所述目标定位模型被调用时能够实现区域生长算法的功能时，定位所述最终区域的步骤包括：

(1)根据所述目标器官的结构从所述候选区域中自动选择至少一个像素点作为初始种子点；

(2)根据所述医学图像的类型以及所述目标器官的特征设定所述初始种子点的优先生长方向；

(3)按照所述优先生长方向以及所设置的生长阈值对所述初始种子点进行生长以获得新种子点；

(4)更新所述新种子点的图像强度，并按照所述新种子点与所述初始种子点之间的最短距离更新所述生长阈值；

(5)按照所述优先生长方向和更新后的所述生长阈值对所述新种子点进行生长；

(6)重复上述步骤(4)-(5)直到获得所有满足预先设置的生长条件的种子点为止，并根据所得到的所有种子点所覆盖的区域边界来确定所述最终区域。

5.根据权利要求1所述的方法，其特征在于，对所述最终区域进行分割的步骤包括：

获取所述目标器官的初始轮廓；

根据所获得的目标器官的初始轮廓，调用所述目标分割模型中的第二子模型对所述最终区域进行逐层分割以获得所述目标器官的分割结果，其中，所述第二子模型被调用时能够实现距离正则化水平集算法或改进的距离正则化水平集算法的功能。

6.根据权利要求5所述的方法，其特征在于，获取所述目标器官的初始轮廓的步骤包括：

根据所述目标器官的位置信息直接从所述最终区域中提取所述初始轮廓，或者

调用所述目标分割模型中的第一子模型并根据所述最终区域从所述目标检测模型输出的检测结果中获取所述初始轮廓，其中，所述第一子模型被调用时能够实现GrabCut算法、图割算法或GrowCut算法的功能。

7.根据权利要求5所述的方法，其特征在于，当所述第二子模型被调用来实现改进的距离正则化水平集算法的功能时，调用所述目标分割模型中的第二子模型对所述最终区域进行逐层分割的步骤包括：

根据所获取的目标器官的初始轮廓，初始化所述第二子模型中的水平集函数并调整所述第二子模型中的能量函数；

调用所述水平集函数和所述能量函数对所述最终区域中的第一断层图像进行分割；

根据所述第一断层图像的分割结果，调整所述水平集函数和所述能量函数；

调用调整后的所述水平集函数和所述能量函数对所述最终区域中的与所述第一断层图像相邻的第二断层图像进行分割；

重复上述调整和分割过程，直到完成所述最终区域中的所有断层图像的分割以获得所述目标器官的分割结果。

8.根据权利要求1所述的方法，其特征在于，对所述最终区域进行分割的步骤包括：

调用所述目标分割模型中的第二子模型对所述最终区域进行逐层分割以获得所述目标器官的分割结果，其中，所述第二子模型包括C-V活动轮廓模型。

9.根据权利要求1所述的方法，其特征在于，在对所述医学图像进行检测之前，所述方法还包括：

对待分割的所述医学图像进行预处理。