一种图像自动分割的方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种图像分割的方法、装置及计算机可读存储介质，涉及计算机领域，特别医学图像处理领域，该方法包括：获取医学图像；将所述医学图像按不同器官/组织进行分割；从所述医学图像及所述分割图像分成若干份图像，得到医学图像子集及对应的分割图像子集；并分别进行图像分类训练及图像分割训练，得到图像分类器及图像分割器；利用所述图像分类器将待分割图像分成若干份；将分好的若干份待分割图像输入到与之对应的所述图像分割器进行分割，得到分割图像。本发明专利技术还提供了一种图像自动分割装置及计算机可读存储介质。通过本发明专利技术的方法、装置及计算机可读存储介质，可完成图像自动分类及自动分割，极大提升图像分割效率。

A Method, Device and Computer Readable Storage Medium for Automatic Image Segmentation

The invention discloses an image segmentation method, device and computer readable storage medium, which relates to the computer field, especially the field of medical image processing. The method includes: acquiring medical images; segmenting the medical images according to different organs/tissues; dividing the medical images and the segmented images into several images to obtain a subset of medical images and corresponding segmentation. Image subset; and image classification training and image segmentation training, respectively, to get the image classifier and image segmenter; using the image classifier to divide the image to be segmented into several parts; the segmented image is input into the corresponding image segmenter for segmentation, and the segmented image is obtained. The invention also provides an automatic image segmentation device and a computer readable storage medium. The method, device and computer readable storage medium of the invention can complete automatic image classification and segmentation, and greatly improve the efficiency of image segmentation.

【技术实现步骤摘要】
一种图像自动分割的方法、装置及计算机可读存储介质
本专利技术涉及计算机领域，特别是涉及一种图像自动分割的方法、装置及计算机可读存储介质。【技术背景】数字医学图像技术是现代医学最重要的诊断手段之一，随着数字医学图像诊断技术的不断发展及普及，医生对医学图像诊断的要求也越来越高，除了看二维平面图，还要求看三维模型图，更进一步的要进行定量分析、模拟以及与AR/VR结合使用等。医学影像三维重建是将二维影像图片转换为三维模型的重要技术，如需进行定量分析，则需要将不同器官/组织进行分割后再单独重建，才可以对器官或组织进行定量分析或模拟。由于符合DICOM3.0标准的医学图像是基于灰度值的二维图像，各元素/组织间是通过不同的灰阶来区分，加上噪音的影响，使得有些组织间的边界并不清晰，所以对医学图像进行分割，不管对医护人员还是对科技工作者，都是件麻烦而复杂的事，完成一个完整器官/组织的分割，需要花费大量的时间及精力，而对于非医学背景的工作者，更是难于完成分割的工作。
技术实现思路
有鉴于此，本专利技术提供一种图像自动分割的方法、装置及计算机可读存储介质所要解决的问题是：通过本公开专利技术来解决复杂而费时的医学图像分割工作，实现图像自动分割，提升医护人员及科技工作者的工作效率。根据本公开的一些实施例，提供的一种图像自动分割的方法，包括：获取医学图像；将所述医学图像按不同器官/组织进行分割，得到不同器官/组织分割图像；从所述医学图像及所述分割图像按不同器官/组织抽取同样位置的若干份图像，得到医学图像子集及对应的分割图像子集；以所述医学图像子集及所述分割图像子集作为训练数据集，分别进行图像分类训练及图像分割训练，分别得到图像分类器及图像分割器；利用所述图像分类器将待分割图像分成若干份；将分好的若干份待分割图像输入到与之对应的所述图像分割器进行分割，得到分割图像，完成图像分割。根据本公开的一些实施例，获取的所述病变医学图像包括含有病变组织的电子计算机断层扫描CT图像，或磁共振MRI图像，或B超图像中的一种或其组合。根据本公开的一些实施例，按不同器官/组织，将每一层图像中所包含的器官/组织分别标识并分割出来，得到不同器官/组织的分割图像。根据本公开的一些实施例，对于不同的器官/组织，其所包含的图像层数有所区别，定义图像层数为N，如肝脏图像共有Nliver层，肺图像共有Nlung层，肝脏图像与肺图像所包含的图像层数不一定相同，对任意器官/组织，其第一层对应为所述器官/组织的顶层，其最后一层，对应为所述器官/组织的最底层。根据本公开的一些实施例，按不同器官/组织，从所述医学图像及所述分割图像抽取对应的若干份图像，组成医学图像子集及分割图像子集，所述医学图像子集及分割图像子集包含多套同一器官的若干份图像。将医学图像或分割图像分成若干份是利用临近图像相似的特点，将图像整体划分为有相似特点的若干份图像，更有利于进行高效快速的训练，得到的训练结果更为精准，即图像分类器及图像分割器能更加精准的识别图像并分类以及更加精准的识别图像并分割，提高处理效率。根据本公开的一些实施例，所述若干份图像中的一份包括一层或多层图像。根据本公开的一些实施例，所述若干份图像可以完全等同图像的层数，即把图像的每一层即为一份。在一些实施例中，所述若干份图像中的一份包括多层图像时，每份图像所包含的图像数量可以相同，也可以不相同。在一些实施例中，令所述若干份图像为Ｋ份图像，所述医学图像及分割图像的分份方法，包括：从N层中抽取K层(Ｋ≤Ｎ)，第1份包含顶层，第Ｋ份包含底层，中间第j份(1<j<Ｋ)平均分布；第j份所包含的所述医学图像及分割图像的层数为：j=1+((K-1)/(N-1))*(i),K为K份的总数，N为医学图像或分割图像层数总数，i为所述图像所在的层数，经四舍五入后取整。根据本公开的一些实施例，所述医学图像子集作为图像分类器的训练数据集，用于训练图像分类器；分割图像子集作为图像分割器的训练数据集，用于训练图像分割器。根据本公开的一些实施例，将所述医学图像子集作为训练数据集输入到若干份的图像分类器中，采用机器学习方法如SVM，CNN进行训练，得到每份图像的图像分类器，将所述分割图像子集作为训练数据集输入到图像分割器中，采用尝试学习方法如UNET进行训练，得到每份图像的图像分割器。根据本公开的一些实施例，所述图像分类器将待分割图像分为若干份，所述分类器的分类方法包括：将待分割图像输入到图像分类器中，分别判定待分割图像属于其中某一份图像的概率，并输出需分类图像的所属某一份图像的概率，判定规则为图像归属概率最大者。根据本公开的一些实施例，经所述图像分类器分为若干份的待分割图像分别输入到对应的图像分割器进行分割，得到分割图像，完成图像分割。根据本公开的另一些实施例，提供的一种图像自动分割的装置，包括：图像获取模块，用于获取医学图像；第一图像分割模块，用于对所述医学图像进行分割，以获行不同器官/组织分割图像；图像分份模块，用于将所述医学图像及所述分割图像分为一一对应的若干份图像，得到医学图像子集及对应的分割图像子集；训练模块，用于训练所述不同器官/组织相应份的图像分类器及图像分割器；图像分类模块，用于将需要分割的图像分成若干份；第二图像分割模块，用于将所述需要分割的图像进行分割。根据本公开的另一些实施例，所述训练模块包括图像分类器训练模块及图像分割器训练模块。根据本公开的另一些实施例，所述图像获取模块获取医学图像后，将所述医学图像传输到所述图像分割模块，进行图像分割，以获得不同器官/组织分割图像，完成分割的图像及所述医学图像传输到所述第一图像分份模块，将所述医学图像及所述分割图像分为一一对应的若干份图像，得到医学图像子集及对应的分割图像子集，并传输到所述训练模块，用于训练所述不同器官/组织相应份的图像分类器及图像分割器，完成训练后分别得图像分类器及图像分割器，将需分割图像输入到图像分类模块，分成若干份待分割图像，然后将若干份待分割图像传输到所述第二图像分割模块进行分割，即可自动完成图像分割，输出分割图像。根据本公开的另一些实施例，提供的一种图像自动分割的装置，其特征在于，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器设备中的指令，执行如前述任一项任一个实施例的图像自动分割的方法。根据本公开的又一些实施例，提供的一种图像自动分割计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如前述任一项任一个实施例的图像自动分割的方法的步骤。本公开专利技术的有益效果在于：通过本专利技术的方案、装置及计算机可读存储介质，可完成图像自动分类及自动分割，极大提升图像分割效率，减少医师及技术工作者的工作量。【附图说明】为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出本公开的一些实施例的图像分割的方法的流程示意图。图2示出本公开的一些实施例的训练图像的方法的流程示意图。图3示出本公开的一些实施例的图像分割的装置的本文档来自技高网...

【技术保护点】
1.一种图像分割的方法，其特征在于，包括：获取医学图像；将所述医学图像按不同器官/组织进行分割，得到不同器官/组织分割图像；从所述医学图像及所述分割图像按不同器官/组织抽取同样位置的若干份图像，得到医学图像子集及对应的分割图像子集；以所述医学图像子集及所述分割图像子集作为训练数据集，进行图像分类训练及图像分割训练，分别得到图像分类器及图像分割器；利用所述图像分类器将待分割图像分成若干份；将分好的若干份待分割图像输入到与之对应的所述图像分割器进行分割，得到分割图像，完成图像分割。

【技术特征摘要】
1.一种图像分割的方法，其特征在于，包括：获取医学图像；将所述医学图像按不同器官/组织进行分割，得到不同器官/组织分割图像；从所述医学图像及所述分割图像按不同器官/组织抽取同样位置的若干份图像，得到医学图像子集及对应的分割图像子集；以所述医学图像子集及所述分割图像子集作为训练数据集，进行图像分类训练及图像分割训练，分别得到图像分类器及图像分割器；利用所述图像分类器将待分割图像分成若干份；将分好的若干份待分割图像输入到与之对应的所述图像分割器进行分割，得到分割图像，完成图像分割。2.如权利要求1所述的图像分割方法，其特征在于，获取的所述医学图像包括：电子计算机断层扫描CT图像，或磁共振MRI图像，或B超图像中的一种或其组合。3.如权利要求1所述的图像分割方法，其特征在于，按不同器官/组织，将每一层图像中所包含的器官/组织分别标识并分割出来，得到不同器官/组织的分割图像。4.如权利要求1所述的图像分割方法，其特征在于，按不同器官/组织，从所述医学图像及所述分割图像抽取对应的若干份图像，组成医学图像子集及分割图像子集，所述医学图像子集及分割图像子集包含多套同一器官的若干份图像。5.如权利要求1所述的图像分割方法，其特征在于，将所述医学图像子集作为训练数据集输入到若干份的图像分类器中，采用机器学习方法如SVM，CNN进行训练，得到图像分类器，将所述分割图像子集作为训练数据集输入到图像...

【专利技术属性】
技术研发人员：廖珍琪，钟亚玉，张健，莫康信，其他发明人请求不公开姓名，
申请(专利权)人：佛山市幻云科技有限公司，
类型：发明
国别省市：广东,44