一种生物图像中的病灶分割方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种生物图像中的病灶分割方法、装置、设备及存储介质，方法包括：获取目标生物图像；对目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，粗分割掩膜中包含目标生物图像中候选病灶的信息；从候选病灶中识别非真实病灶，并基于识别结果修正粗分割掩膜，以使粗分割掩膜中不包含识别出的非真实病灶的信息，修正后得到的目标分割掩膜作为目标生物图像对应的病灶分割掩膜。本申请能够自动从目标生物图像中定位出病灶，这种方式不但节省了人力，减少了病灶定位的耗时，而且避免了人工定位病灶所造成的误诊、漏诊，定位出的病灶还能辅助医生进行快速准确的分析，提高了医生的诊断效率以及诊断准确率。

【技术实现步骤摘要】
一种生物图像中的病灶分割方法、装置、设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种生物图像中的病灶分割方法、装置、设备及存储介质。
技术介绍
医学领域的实际临床诊断中，需要从生物图像中定位出病灶，从而定位出病变原因。现有技术中的诊断方式为人工诊断，即医生需要肉眼对生物图像中的病灶进行定位，然而，有些生物图像很大，但生物图像中的病灶却很小，例如眼底图像，眼底图像的分辨率一般为4000*3000像素，而眼底图像中有些小的病灶可能仅占几十个像素，而且不同病灶的大小也不同，这无疑给医生肉眼定位病灶带来了很大的困难，尤其是面临对大量生物图像进行筛查时，医生的工作量会更大，因此，人工诊断的方式费时费力，且人工筛查主观性较强，很容易由于疲劳造成漏诊、误诊。
技术实现思路
有鉴于此，本专利技术提供了一种生物图像中的病灶分割方法、装置、设备及存储介质，用以解决现有技术中对生物图像中的病灶进行定位的方式费时费力，且主观性较强，很容易造成漏诊、误诊的问题，其技术方案如下：一种生物图像中的病灶分割方法，包括：获取目标生物图像；对所述目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，所述粗分割掩膜中包含所述目标生物图像中候选病灶的信息；从所述候选病灶中识别非真实病灶，并基于识别结果修正所述粗分割掩膜，以使所述粗分割掩膜中不包含识别出的所述非真实病灶的信息，修正后得到的目标分割掩膜作为所述目标生物图像对应的病灶分割掩膜。其中，所述对所述目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，包括：通过预先建立的粗分割模型对所述目标生物图像进行粗分割处理，粗分割处理后得到所述粗分割掩膜；其中，所述粗分割模型采用训练生物图像和对应的标注分割掩膜进行训练得到。其中，所述通过预先建立的粗分割模型对所述目标生物图像进行粗分割处理，粗分割处理后得到所述粗分割掩膜，包括：将所述目标生物图像分割成预设大小的图像块；将每个所述图像块输入所述粗分割模型，获得所述粗分割模型输出的、与输入的所述图像块对应的粗分割掩膜，其中，所述粗分割模型以从训练生物图像中提取的病灶图像块为训练样本，以对应的标注分割掩膜中对应的标注分割掩膜块为标签进行训练得到；将各个所述图像块对应的粗分割掩膜块进行融合，融合后得到所述粗分割掩膜。其中，所述从所述候选病灶中识别非真实病灶，包括：基于所述粗分割掩膜，从所述目标生物图像中提取候选病灶图像块；从所述候选病灶图像块中识别候选病灶为非真实病灶的图像块。其中，所述基于所述粗分割掩膜，从所述目标生物图像中提取候选病灶图像块，包括：基于所述粗分割掩膜，确定所述目标生物图像中的候选病灶区域；根据所述候选病灶区域的位置，从所述目标生物图像中提取预设大小、包含所述候选病灶区域的图像块，作为所述候选病灶图像块。其中，所述从所述候选病灶图像块中识别候选病灶为非真实病灶的图像块，包括：将每个所述候选病灶图像块输入预先建立的病灶识别模型，获得所述病灶识别模型输出的、指示输入的所述候选病灶图像块中的候选病灶是否为真实病灶的识别结果；其中，所述病灶识别模型训练时的训练数据包括基于所述粗分割模型输出的粗分割掩膜，从训练生物图像中提取的训练候选病灶图像块，样本标签包括所述训练候选病灶图像块是否为真实病灶的标注结果。所述生物图像中的病灶分割方法，还包括：对所述目标分割掩膜对应的病灶区域进行细分割处理，细分割处理后得到的细分割掩膜作为所述目标生物图像对应的病灶分割掩膜。所述生物图像中的病灶分割方法，还包括：对所述粗分割掩膜和所述细分割掩膜进行融合，融合后得到的分割掩膜作为所述目标生物图像对应的病灶分割掩膜。其中，所述对所述目标分割掩膜对应的病灶区域进行细分割处理，包括：获取与所述目标分割掩膜对应的候选病灶图像块，作为目标候选病灶图像块；对所述目标候选病灶图像块进一步进行细分割，得到与所述目标候选病灶图像块对应的细分割掩膜块；基于所述细分割掩膜块，修正所述目标分割掩膜，修正后得到所述细分割掩膜。其中，所述对所述目标候选病灶图像块进一步进行细分割，得到与所述目标候选病灶图像块对应的细分割掩膜块，包括：将每个目标候选病灶图像块输入预先建立的细分割模型，获得所述细分割模型输出的、与输入的所述目标候选病灶图像块对应的细分割掩膜块；其中，所述细分割模型以基于所述病灶识别模型输出的识别结果获取的训练候选病灶图像块作为训练样本，以所述训练候选病灶图像块是否为病灶区域而对应的分类标签进行训练得到的。一种生物图像中的病灶分割装置，包括：图像获取模块、粗分割模块和掩膜修正模块；所述图像获取模块，用于获取目标生物图像；所述粗分割模块，用于对所述目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，所述粗分割掩膜中包含所述目标生物图像中候选病灶的信息；所述掩膜修正模块，用于从所述候选病灶中识别非真实病灶，并基于识别结果修正所述粗分割掩膜，以使所述粗分割掩膜中不包含识别出的所述非真实病灶的信息，修正后得到的目标分割掩膜作为所述目标生物图像对应的病灶分割掩膜。其中，所述粗分割模块，具体用于通过预先建立的粗分割模型对所述目标生物图像进行粗分割处理，粗分割处理后得到所述粗分割掩膜；其中，所述粗分割模型采用训练生物图像和对应的标注分割掩膜进行训练得到。其中，所述粗分割模块包括：图像分割子模块、粗分割子模块和掩膜融合子模块；所述图像分割子模块，用于将所述目标生物图像分割成预设大小的图像块；所述粗分割子模块，用于将每个所述图像块输入所述粗分割模型，获得所述粗分割模型输出的、与输入的所述图像块对应的粗分割掩膜，其中，所述粗分割模型以从训练生物图像中提取的训练病灶图像块为训练样本，以对应的标注分割掩膜中对应的标注分割掩膜块为标签进行训练得到；所述掩膜融合子模块，用于将各个所述图像块对应的粗分割掩膜块进行融合，融合后得到所述粗分割掩膜。其中，所述掩膜修正模块包括：图像块提取子模块和病灶识别子模块；所述图像块提取子模块，用于基于所述粗分割掩膜，从所述目标生物图像中提取候选病灶图像块；所述病灶识别子模块，用于从所述候选病灶图像块中识别候选病灶为非真实病灶的图像块。其中，所述图像块提取子模块，具体用于基于所述粗分割掩膜，确定所述目标生物图像中的候选病灶区域，根据所述候选病灶区域的位置，从所述目标生物图像中提取预设大小、包含所述候选病灶区域的图像块，作为所述候选病灶图像块。其中，所述病灶识别子模块，具体用于将每个所述候选病灶图像块输入预先建立的病灶识别模型，获得所述病灶识别模型输出的、指示输入的所述候选病灶图像块中的候选病灶是否为真实病灶的识别结果；其中，所述病灶识别模型训练时的训练数据包括基于所述粗分割模型输出的粗分割掩膜，从训练生物图像中提取的训练候选病灶图像块，样本标签包括所述训练候选病灶图像块是否为真实病灶的标注结果。所述生物图像中的病灶分割装置，还包括：细分割模块；所述细分割模块，用于对所述目标分割掩膜对应的病灶区域进行细分割处理，细分割处理后得到的细分割掩膜作为所述目标生物图像对应的病灶分割掩膜。所述生物图像中的病灶分割装置，还包括：掩膜融合模块；所述掩膜融合模块，用于对所述粗分割掩膜和所述细分割掩膜进行融合，融合后得到的分割掩膜作为所述目标生物图像对应的病灶分割掩膜。其中，所述本文档来自技高网...

【技术保护点】
1.一种生物图像中的病灶分割方法，其特征在于，包括：获取目标生物图像；对所述目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，所述粗分割掩膜中包含所述目标生物图像中候选病灶的信息；从所述候选病灶中识别非真实病灶，并基于识别结果修正所述粗分割掩膜，以使所述粗分割掩膜中不包含识别出的所述非真实病灶的信息，修正后得到的目标分割掩膜作为所述目标生物图像对应的病灶分割掩膜。

【技术特征摘要】
1.一种生物图像中的病灶分割方法，其特征在于，包括：获取目标生物图像；对所述目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，所述粗分割掩膜中包含所述目标生物图像中候选病灶的信息；从所述候选病灶中识别非真实病灶，并基于识别结果修正所述粗分割掩膜，以使所述粗分割掩膜中不包含识别出的所述非真实病灶的信息，修正后得到的目标分割掩膜作为所述目标生物图像对应的病灶分割掩膜。2.根据权利要求1所述的生物图像中的病灶分割方法，其特征在于，所述对所述目标生物图像进行粗分割处理，粗分割处理后得到粗分割掩膜，包括：通过预先建立的粗分割模型对所述目标生物图像进行粗分割处理，粗分割处理后得到所述粗分割掩膜；其中，所述粗分割模型采用训练生物图像和对应的标注分割掩膜进行训练得到。3.根据权利要求2所述的生物图像中的病灶分割方法，其特征在于，所述通过预先建立的粗分割模型对所述目标生物图像进行粗分割处理，粗分割处理后得到所述粗分割掩膜，包括：将所述目标生物图像分割成预设大小的图像块；将每个所述图像块输入所述粗分割模型，获得所述粗分割模型输出的、与输入的所述图像块对应的粗分割掩膜，其中，所述粗分割模型以从训练生物图像中提取的病灶图像块为训练样本，以对应的标注分割掩膜中对应的标注分割掩膜块为标签进行训练得到；将各个所述图像块对应的粗分割掩膜块进行融合，融合后得到所述粗分割掩膜。4.根据权利要求1所述的生物图像中的病灶分割方法，其特征在于，所述从所述候选病灶中识别非真实病灶，包括：基于所述粗分割掩膜，从所述目标生物图像中提取候选病灶图像块；从所述候选病灶图像块中识别候选病灶为非真实病灶的图像块。5.根据权利要求4所述的生物图像中的病灶分割方法，其特征在于，所述基于所述粗分割掩膜，从所述目标生物图像中提取候选病灶图像块，包括：基于所述粗分割掩膜，确定所述目标生物图像中的候选病灶区域；根据所述候选病灶区域的位置，从所述目标生物图像中提取预设大小、包含所述候选病灶区域的图像块，作为所述候选病灶图像块。6.根据权利要求4所述的生物图像中的病灶分割方法，其特征在于，所述从所述候选病灶图像块中识别候选病灶为非真实病灶的图像块，包括：将每个所述候选病灶图像块输入预先建立的病灶识别模型，获得所述病灶识别模型输出的、指示输入的所述候选病灶图像块中的候选病灶是否为真实病灶的识别结果；其中，所述病灶识别模型训练时的训练数据包括基于所述粗分割模型输出的粗分割掩膜，从训练生物图像中提取的训练候选病灶图像块，样本标签包括所述训练候选病灶图像块是否为真实病灶的标注结果。7.根据权利要求1～6中任意一项所述的生物图像中的病灶分割方法，其特征在于，还包括：对所述目标分割掩膜对应的病灶区域进行细分割处理，细分割处理后得到的细分割掩膜作为所述目标生物图像对应的病灶分割掩膜。8.根据权利要求7所述的生物图像中的病灶分割方法，其特征在于，还包括：对所述粗分割掩膜和...

【专利技术属性】
技术研发人员：王凤艳，殷保才，刘聪，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽,34