[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

说明书

本申请实施例公开了一种医学图像分割方法、装置、设备、系统及计算机存储介质，该方法可以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；以及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。通过利用本申请提供的技术方案，可以实现对医学图像的全自动分割，并且有助于辅助医生进行诊断。

技术领域

本申请涉及医学图像处理技术领域，特别涉及一种医学图像分割方法、装置、设备、系统及计算机可读存储介质。

背景技术

本部分的描述仅提供与本申请公开相关的背景信息，而不构成现有技术。

医学图像分割是医学图像处理与分析领域中的复杂而关键的步骤，其目的是将医学图像中具有某些特殊含义的部分分割出来并提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医生做出更为准确的诊断。由于医学图像自身的复杂性，在分割过程中需要解决组织的灰度不均匀及个体差异等一系列问题，所以一般的图像分割方法难以直接应用于医学图像分割。

目前，针对器官、组织的医学图像，大多数采用手动分割方法或半自动分割方法，这种分割方法需要占用医生大量的时间和精力，这种分割方式主观性强、效率较低并且分割结果无法复现。另外，人体内部环境复杂，很多器官内部存在不同的组织结构，这些组织结构在医学图像中呈现出不同的灰度分布，有些器官与相邻的器官或组织之间的边界可能比较模糊，并且不同个体的器官形状可能存在差异，这使得利用现有技术中的医学图像分割方法所得到的分割结果可能正确率较低，从而可能会影响医生的诊断。

发明内容

本申请实施例的目的是提供一种医学图像分割方法、装置、设备、系统及计算机可读存储介质，以解决现有技术中存在的至少一种问题。

为解决上述技术问题，本申请实施例提供了一种医学图像分割方法，所述方法可以包括：

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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；