一种医学图像分割方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种医学图像分割方法及装置、电子设备和存储介质，所述方法包括：对待分割医学图像进行卷积处理得到第一类器官的分割结果，所述第一类器官的尺寸大于尺寸阈值；对所述待分割医学图像进行卷积处理得到第二类器官的位置，所述第二类器官的尺寸小于尺寸阈值；根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果；将所述第一类器官的分割结果和所述第二类器官的分割结果进行融合，得到所述待分割医学图像的器官分割结果。本公开实施例对于第二类器官先确定位置，再根据确定出的位置更有针对性地进行分割，可以提高分割结果的准确率。

【技术实现步骤摘要】
一种医学图像分割方法及装置、电子设备和存储介质
本公开涉及深度学习
，尤其涉及一种医学图像分割方法及装置、电子设备和存储介质。
技术介绍
在医疗领域，利用深度学习技术在医学图像中准确地定位出需要治疗的器官的位置，用来辅助针对器官的治疗的应用越来越广泛。人体器官的组织结构复杂，器官的大小差异较大，而获取到的医学图像往往包括多个器官，如何在医学图像中准确的分割出各器官，成为深度学习
的亟待解决的技术问题。
技术实现思路
本公开提出了一种医学图像分割技术方案。根据本公开的一方面，提供了一种医学图像分割方法，包括：对待分割医学图像进行卷积处理得到第一类器官的分割结果，所述第一类器官的尺寸大于尺寸阈值；对所述待分割医学图像进行卷积处理得到第二类器官的位置，所述第二类器官的尺寸小于尺寸阈值；根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果；将所述第一类器官的分割结果和所述第二类器官的分割结果进行融合，得到所述待分割医学图像的器官分割结果。在一种可能的实现方式中，所述方法还包括：将原始医学图像进行多尺度特征提取得到待分割医学图像。在一种可能的实现方式中，将原始医学图像进行多尺度特征提取得到待分割医学图像，包括：将所述原始医学图像进行多级降采样处理，得到分辨率由大到小的多个降采样特征图，每一级降采样处理的结果作为下一级降采样处理的输入；将降采样特征图进行多级升采样处理，得到升采样特征图，其中，以最后一级降采样处理的结果作为第一级升采样处理的输入，以前一级升采样处理的结果和分辨率相同的降采样处理的结果叠加，作为第一级之后的每一级升采样处理的输入；将最后一级升采样处理的结果确定为待分割医学图像。在一种可能的实现方式中，对所述待分割医学图像进行卷积处理得到第二类器官的位置，包括：利用位置框在所述待分割医学图像上遍历得到遍历位置；在各所述遍历位置上利用初始框得到初始检测特征；将所述初始检测特征利用卷积处理分析，得到第二类器官的检测框；根据所述第二类器官的检测框确定所述第二类器官的位置。在一种可能的实现方式中，将所述初始检测特征利用卷积处理分析，得到第二类器官的检测框，包括：将所述初始检测特征利用第一卷积处理进行回归分析，得到检测框的位置和形状；将所述初始检测特征利用第二卷积处理进行分类分析，得到检测框所属第二类器官的概率；根据所述检测框的位置和形状以及所述检测框所属第二类器官的概率，得到第二类器官的检测框。在一种可能的实现方式中，所述位置框包括根据设定边框长度确定的三维立体框，所述初始框包括多个不同尺寸和不同长宽比的三维立体框。在一种可能的实现方式中，根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果，包括：根据所述第二类器官的位置在所述待分割医学图像中获取所述第二类器官的特征图；根据所述第二类器官的特征图进行卷积处理得到所述第二类器官的分割结果。在一种可能的实现方式中，所述方法应用于神经网络，所述神经网络包括主分割网络、检测网络、第二类器官分割网络，所述主分割网络对待分割医学图像进行卷积处理得到第一类器官的分割结果；所述检测网络对所述待分割医学图像进行卷积处理得到第二类器官的位置；所述第二类器官分割网络根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果。在一种可能的实现方式中，所述神经网络还包括多尺度特征图提取层，所述多尺度特征图提取层将原始医学图像进行多尺度特征提取得到待分割医学图像。在一种可能的实现方式中，所述方法还包括：利用加权焦点损失函数对所述多尺度特征图提取层进行训练。在一种可能的实现方式中，所述检测网络包括回归层和分类层，所述回归层将初始检测特征利用第一卷积处理进行回归分析，得到检测框的位置和形状，所述初始检测特征是利用位置框在所述多尺度特征图上遍历得到遍历位置，并在各所述遍历位置上利用初始框得到的；所述分类层将初始检测特征利用第二卷积处理进行分类分析，得到检测框所属第二类器官的概率。在一种可能的实现方式中，所述方法还包括：在训练所述检测网络时，获取所述第二类器官的检测框中第二类器官的像素和所述第二类器官的实际像素之间的像素交集和像素合集；当所述像素交集和所述像素合集之间的比值大于阈值时，根据所述第二类器官的检测框确定所述第二类器官的位置。在一种可能的实现方式中，所述第二类器官分割网络包括三个卷积层，且所述第二类器官分割网络使用非线性激活函数。根据本公开的一方面，提供了一种医学图像分割装置，所述装置包括：第一类器官分割结果获取模块，用于对待分割医学图像进行卷积处理得到第一类器官的分割结果，所述第一类器官的尺寸大于尺寸阈值；第二类器官位置获取模块，用于对所述待分割医学图像进行卷积处理得到第二类器官的位置，所述第二类器官的尺寸小于尺寸阈值；第二类器官分割结果获取模块，用于根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果；器官分割结果获取模块，用于将所述第一类器官的分割结果和所述第二类器官的分割结果进行融合，得到所述待分割医学图像的器官分割结果。在一种可能的实现方式中，所述装置还包括：多尺度特征提取模块，用于将原始医学图像进行多尺度特征提取得到待分割医学图像。在一种可能的实现方式中，所述多尺度特征提取模块，包括：降采样处理子模块，用于将所述原始医学图像进行多级降采样处理，得到分辨率由大到小的多个降采样特征图，每一级降采样处理的结果作为下一级降采样处理的输入；升采样处理子模块，用于将降采样特征图进行多级升采样处理，得到升采样特征图，其中，以最后一级降采样处理的结果作为第一级升采样处理的输入，以前一级升采样处理的结果和分辨率相同的降采样处理的结果叠加，作为第一级之后的每一级升采样处理的输入；待分割医学图像获取子模块，用于将最后一级升采样处理的结果确定为待分割医学图像。在一种可能的实现方式中，所述第二类器官位置获取模块，包括：遍历位置获取子模块，用于利用位置框在所述待分割医学图像上遍历得到遍历位置；初始检测特征获取子模块，用于在各所述遍历位置上利用初始框得到初始检测特征；第二类器官检测框获取子模块，用于将所述初始检测特征利用卷积处理分析，得到第二类器官的检测框；第二类器官位置获取子模块，用于根据所述第二类器官的检测框确定所述第二类器官的位置。在一种可能的实现方式中，所述第二类器官检测框获取子模块，用于：将所述初始检测特征利用第一卷积处理进行回归分析，得到检测框的位置和形状；将所述初始检测特征利用第二卷积处理进行分类分析，得到检测框所属第二类器官的概率；根据所述检测框的位置和形状以及所述检测框所属第二类器官的概率，得到第二类器官的检测框。在一种可能的实现方式中，所述位置框包括根据设定边框长度确定的三维立体框，所述初始框包括多个不同尺寸和不同长宽比的三维立体框。在一种可能的实现方式中，所述第二类器官分割结果获取模块，包括：特征图获取子模块，用于根据所述第二类器官的位置在所述待分割医学图像中获取所述第二类器官的特征图；第二类器官分割结果获取子模块，用于根据所述第二类器官的特征图进行卷积处理得到所述第二类器官的分割结果。在一种可能的实现方式中，所述装置应用于神经网络，所述神经网络包括主分本文档来自技高网...

【技术保护点】
1.一种医学图像分割方法，其特征在于，所述方法包括：对待分割医学图像进行卷积处理得到第一类器官的分割结果，所述第一类器官的尺寸大于尺寸阈值；对所述待分割医学图像进行卷积处理得到第二类器官的位置，所述第二类器官的尺寸小于尺寸阈值；根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果；将所述第一类器官的分割结果和所述第二类器官的分割结果进行融合，得到所述待分割医学图像的器官分割结果。

【技术特征摘要】
2018.04.28 CN 20181040190051.一种医学图像分割方法，其特征在于，所述方法包括：对待分割医学图像进行卷积处理得到第一类器官的分割结果，所述第一类器官的尺寸大于尺寸阈值；对所述待分割医学图像进行卷积处理得到第二类器官的位置，所述第二类器官的尺寸小于尺寸阈值；根据所述第二类器官的位置对所述待分割医学图像进行卷积处理得到第二类器官的分割结果；将所述第一类器官的分割结果和所述第二类器官的分割结果进行融合，得到所述待分割医学图像的器官分割结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将原始医学图像进行多尺度特征提取得到待分割医学图像。3.根据权利要求2所述的方法，其特征在于，将原始医学图像进行多尺度特征提取得到待分割医学图像，包括：将所述原始医学图像进行多级降采样处理，得到分辨率由大到小的多个降采样特征图，每一级降采样处理的结果作为下一级降采样处理的输入；将降采样特征图进行多级升采样处理，得到升采样特征图，其中，以最后一级降采样处理的结果作为第一级升采样处理的输入，以前一级升采样处理的结果和分辨率相同的降采样处理的结果叠加，作为第一级之后的每一级升采样处理的输入；将最后一级升采样处理的结果确定为待分割医学图像。4.根据权利要求1至3任一项所述的方法，其特征在于，对所述待分割医学图像进行卷积处理得到第二类器官的位置，包括：利用位置框在所述待分割医学图像上遍历得到遍历位置；在各所述遍历位置上利用初始框得到初始检测特征；将所述初始检测特征利用卷积处理分析，得到第二类器官的检测框；根据所述第二类器官的检测框确定所述第二类器官的位置。5.一种医学图像分割装置，其特征在于，所述装置包括：第一类器官分割结果获取模块，用于对待分割医学图像进行卷积处理得到第一类器官的分割结果，所述第一类器官的尺寸大于尺寸阈值；第二类器官位置获取模块，用于对所述待分割医学图像进行卷...

【专利技术属性】
技术研发人员：王哲，石建萍，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11