[发明专利]一种分步分割方法及系统

说明书

本发明提供一种分步分割方法及系统，包括以下步骤：获取待分割的原影像文件；将原影像文件输入深度学习模型，通过深度学习模型确定标志器官的位置；根据所述标志器官位置确定目标器官的大概位置；截取所述目标器官所在的大致区域；将目标器官所在大致区域输入深度学习模型，通过深度学习模型确定分割后的目标器官；本发明的有益效果为：如果直接从原影像文件中分割出目标器官是比较困难，因为目标器官的结构复杂，分割起来比较费时费力，如果从原影像文件中分割出标志器官是比较简单，标志器官结构简单容易识别导致分割模型结构简单，所以使得分割速度较快，所以本发明采用分布器官分割算法，只对大概的目标区域进行分割，从而提高了分割速度。

技术领域

本发明涉及影像领域器官分割技术领域，特别是涉及一种分步分割方法及系统。

背景技术

医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程，它包含以下两个相对独立的研究方向：医学成像系统和医学图像处理，前者是指图像行成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等等，在影像领域利用人工智能算法对人体组织器官进行自动分割，目前的主要方法都是在原影像文件直接对目标器官分割，如果原影像文件非常大，几十MB大小，同时目标器官比较复杂，包含很多独立部分，比如脊柱包含27个椎骨，则使得分割会非常费时，分割一个文件可能需要数十分钟，不能满足日常需求，使得对医学影像中的目标器官精细分割的速度非常低。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种分步分割方法及系统，用于解决现有技术中对医学影像中的目标器官精细分割的速度非常低的问题。

本发明的实施方式提供了一种分步分割方法，包括以下步骤：获取待分割的原影像文件；将原影像文件输入深度学习模型，通过深度学习模型确定标志器官的位置；根据所述标志器官位置确定目标器官的大概位置；截取所述目标器官所在的大致区域；将目标器官所在大致区域输入深度学习模型，通过深度学习模型确定分割后的目标器官。

本发明的实施方式还提供了一种分步分割系统，包括：获取模块，用于获取待分割的原影像文件；截取模块，用于截取所述目标器官所在的大致区域；确定模块，用于将原影像文件输入深度学习模型，通过深度学习模型确定标志器官的位置，根据所述标志器官位置确定目标器官的大概位置；将目标器官所在大致区域输入深度学习模型，通过深度学习模型确定分割后的目标器官。

本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的分步分割方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的分步分割方法。

本发明实施方式相对于现有技术而言，主要区别及其效果在于：如果直接从原影像文件中分割出目标器官是比较困难，因为目标器官的结构复杂，分割起来比较费时费力，如果从原影像文件中分割出标志器官是比较简单，标志器官结构简单容易识别导致分割模型结构简单，所以使得分割速度较快，所以本发明先通过使用深度学习模型在原影像文件中分割出标志器官的位置，然后根据标志器官位置确定目标器官的大概位置，最后再通过使用深度学习模型在目标器官所在的大致区域中进行精细分割，从而确定出分割后的目标器官，由于采用分布器官分割算法，只对大概的目标区域进行分割，数据量大大减少，耗时也会大大减少，大大提高医学影像中的目标器官精细分割的速度。

作为进一步改进，在所述获取待分割的原影像文件之后，所述将原影像文件输入深度学习模型，通过深度学习模型确定标志器官的位置之前，包括：对所述待分割的原影像文件进行预处理。