医学影像分割方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例公开了一种医学影像分割方法、装置、电子设备和存储介质；本申请实施例在获取到切片对后，可以采用不同感受野分别对该切片对中的切片进行特征提取，得到每一切片的高层特征信息和低层特征信息，然后，一方面根据该低层特征信息和高层特征信息对切片中的目标对象进行分割，得到每一切片的初始分割结果，另一方面将低层特征信息和高层特征信息进行融合，并根据融合后特征信息确定切片之间的关联信息，再然后，基于切片之间的关联信息和切片对中所有切片的初始分割结果生成该切片对的分割结果；该方案可以提高分割的精准性。

Medical image segmentation methods, devices, electronic devices and storage media

【技术实现步骤摘要】
医学影像分割方法、装置、电子设备和存储介质
本专利技术涉及通信
，具体涉及一种医学影像分割方法、装置、电子设备和存储介质。
技术介绍
随着人工智能(AI，ArtificialIntelligence)的发展，AI在医疗领域上的应用也越来越为广泛，特别是在医学影像的分割上。例如，以肝脏的分割为例，具体可以训练一个可以逐切片分割肝脏影像的二维(2D，2Dimension)卷积神经网络，然后，对待分割的三维(3D，3Dimension)肝脏影像，如肝脏的电子计算机断层扫描(CT，ComputedTomography)影像进行切片后，将切片分别导入训练后的2D卷积神经网络进行分割，得到分割结果，比如得到肝脏区域，等等。在对现有技术的研究和实践过程中，本专利技术的专利技术人发现，由于2D卷积神经网络需要对3D医学影像进行切片后，再逐片进行分割，因此，很难捕捉到目标对象(如肝脏)的形状信息，所以，其分割精准性并不高。
技术实现思路
本申请实施例提供一种医学影像分割方法、装置和存储介质，可以提高分割的精准性。本申请实施例提供一种医学影像分割方法，包括：获取切片对，所述切片对包括两张从待分割医学影像中采样所得的切片；采用不同感受野对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息；根据所述低层特征信息和高层特征信息对切片中的目标对象进行分割，得到每一切片的初始分割结果；将所述低层特征信息和高层特征信息进行融合，并根据融合后特征信息确定所述切片之间的关联信息；基于所述关联信息和切片对中所有切片的初始分割结果生成所述切片对的分割结果。相应的，本申请实施例还提供一种医学影像分割装置，包括：获取单元，用于获取切片对，所述切片对包括两张从待分割医学影像中采样所得的切片；提取单元，用于采用不同感受野对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息；分割单元，用于根据所述低层特征信息和高层特征信息对切片中的目标对象进行分割，得到每一切片的初始分割结果；融合单元，用于将所述低层特征信息和高层特征信息进行融合；确定单元，用于根据融合后特征信息确定所述切片之间的关联信息；生成单元，用于基于所述关联信息和切片对中所有切片的初始分割结果生成所述切片对的分割结果。可选的，在一些实施例中，所述确定单元包括筛选子单元和确定子单元，其中，所述筛选子单元，用于从融合后特征信息中筛选出属于目标对象的特征；所述确定子单元，用于根据筛选出的特征确定所述切片之间的关联信息。可选的，在一些实施例中，所述确定子单元，具体用于根据筛选出的特征确定每一切片的背景区域和前景区域；计算所述切片之间前景区域的差集像素和交集像素；根据所述背景区域、差集像素和交集像素生成所述切片之间的关联信息。可选的，在一些实施例中，所述确定子单元，具体用于将所述融合后特征信息中，只属于切片对中任一切片的前景区域的像素点作为差集像素；以及将所述融合后特征信息中，同时属于切片对中两张切片的前景区域的像素点作为交集像素。可选的，在一些实施例中，所述确定子单元，具体用于对所述背景区域、差集像素和交集像素进行像素类型标识，得到所述切片之间的关联信息。可选的，在一些实施例中，所述切片对中包括第一切片和第二切片，所述生成单元，具体用于：根据所述关联信息和第一切片的初始分割结果预测第二切片的分割结果，得到第二切片的预测分割结果；根据所述关联信息和第二切片的初始分割结果预测第一切片的分割结果，得到第一切片的预测分割结果；基于第一切片的预测分割结果对第一切片的初始分割结果进行调整，得到第一切片的调整后分割结果；基于第二切片的预测分割结果对第二切片的初始分割结果进行调整，得到第二切片的调整后分割结果；对第一切片的调整后分割结果和第二切片的调整后分割结果进行融合，得到所述切片对的分割结果。可选的，在一些实施例中，所述生成单元，具体用于：对第一切片的预测分割结果和第一切片的初始分割结果进行平均处理，得到第一切片的调整后分割结果；以及对第二切片的预测分割结果和第二切片的初始分割结果进行平均处理，得到第二切片的调整后分割结果。可选的，在一些实施例中，所述生成单元，具体用于对第一切片的调整后分割结果和第二切片的调整后分割结果进行平均处理，将平均处理后的结果进行二值化处理，得到所述切片对的分割结果。可选的，在一些实施例中，所述提取单元，具体用于通过训练后分割模型中的残差网络对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息；则此时，所述分割单元，具体用于根据所述低层特征信息和高层特征信息，通过训练后分割模型中的分割网络对切片中的目标对象进行分割，得到每一切片的初始分割结果；所述融合单元，具体用于通过训练后分割模型中的融合网络，将所述低层特征信息和高层特征信息进行融合。可选的，在一些实施例中，所述融合单元，具体用于将所述切片对中所有切片的低层特征信息进行逐元素相加，得到融合后低层特征信息；将所述切片对中所有切片的高层特征信息进行逐元素相加，得到融合后高层特征信息；通过训练后分割模型中的融合网络，将所述融合后低层特征信息和融合后高层特征信息进行融合，得到融合后特征信息。可选的，在一些实施例中，所述融合单元，具体用于通过训练后分割模型中的融合网络，将融合后低层特征信息和融合后高层特征信息进行逐元素相加，得到融合后特征信息；或者，所述融合单元，具体用于通过训练后分割模型中的融合网络中的通道注意力模块分别为所述融合后低层特征信息和融合后高层特征信息赋予权重，得到加权后特征信息；将所述加权后特征信息和所述融合后低层特征信息进行逐元素相乘，得到处理后特征信息；将处理后特征信息和融合后高层特征信息进行逐元素相加，得到融合后特征信息。可选的，在一些实施例中，所述分割单元，具体用于通过训练后分割模型中的分割网络分别对所述低层特征信息和高层特征信息进行卷积处理；将卷积处理后的高层特征信息上采样至与卷积处理后的低层特征信息相同尺寸后，与卷积处理后的低层特征信息进行连接，得到连接后特征信息；根据所述连接后特征信息筛选属于切片中的目标对象的像素点，得到每一切片的初始分割结果。可选的，在一些实施例中，所述医学影像分割装置还包括采集单元和训练单元；所述采集单元，用于采集多对标注有真实值的切片对样本，所述切片对样本包括两张从医学影像样本中采样所得的切片样本；所述训练单元，用于通过预设分割模型中的残差网络对所述切片样本进行特征提取，得到每一切片样本的高层特征信息和低层特征信息；根据每一切片样本的低层特征信息和高层特征信息，通过分割模型中的分割网络对切片样本中的目标对象进行分割，得到每一切片样本的预测分割值；通过分割模型中的融合网络，将切片样本的低层特征信息和高层特征信息进行融合，并根据融合后特征信息预测所述切片样本之间的关联信息；根据所述真实值、预测分割值和预测的关联信息对所述分割模型进行收敛，得到训练后分割模型。相应的，本申请还提供一种电子设备，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行本申请实施例提供的任一种医学影像分割方法中的操作。此外，本申请实施例还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例提供的任一种本文档来自技高网...

【技术保护点】
1.一种医学影像分割方法，其特征在于，包括：获取切片对，所述切片对包括两张从待分割医学影像中采样所得的切片；采用不同感受野对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息；根据所述低层特征信息和高层特征信息对切片中的目标对象进行分割，得到每一切片的初始分割结果；将所述低层特征信息和高层特征信息进行融合，并根据融合后特征信息确定所述切片之间的关联信息；基于所述关联信息和切片对中所有切片的初始分割结果生成所述切片对的分割结果。

【技术特征摘要】
1.一种医学影像分割方法，其特征在于，包括：获取切片对，所述切片对包括两张从待分割医学影像中采样所得的切片；采用不同感受野对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息；根据所述低层特征信息和高层特征信息对切片中的目标对象进行分割，得到每一切片的初始分割结果；将所述低层特征信息和高层特征信息进行融合，并根据融合后特征信息确定所述切片之间的关联信息；基于所述关联信息和切片对中所有切片的初始分割结果生成所述切片对的分割结果。2.根据权利要求1所述的方法，其特征在于，所述根据融合后特征信息确定所述切片之间的关联信息，包括：从融合后特征信息中筛选出属于目标对象的特征；根据筛选出的特征确定所述切片之间的关联信息。3.根据权利要求2所述的方法，其特征在于，所述根据筛选出的特征确定所述切片之间的关联信息，包括：根据筛选出的特征确定每一切片的背景区域和前景区域；计算所述切片之间前景区域的差集像素和交集像素；根据所述背景区域、差集像素和交集像素生成所述切片之间的关联信息。4.根据权利要求3所述的方法，其特征在于，所述计算所述切片之间前景区域的差集像素和交集像素，包括：将所述融合后特征信息中，只属于切片对中任一切片的前景区域的像素点作为差集像素；将所述融合后特征信息中，同时属于切片对中两张切片的前景区域的像素点作为交集像素。5.根据权利要求3所述的方法，其特征在于，所述根据所述背景区域、差集像素和交集像素生成所述切片之间的关联信息，包括：对所述背景区域、差集像素和交集像素进行像素类型标识，得到所述切片之间的关联信息。6.根据权利要求1至5任一项所述的方法，其特征在于，所述切片对中包括第一切片和第二切片；所述基于所述关联信息和切片对中所有切片的初始分割结果生成所述切片对的分割结果，包括：根据所述关联信息和第一切片的初始分割结果预测第二切片的分割结果，得到第二切片的预测分割结果；根据所述关联信息和第二切片的初始分割结果预测第一切片的分割结果，得到第一切片的预测分割结果；基于第一切片的预测分割结果对第一切片的初始分割结果进行调整，得到第一切片的调整后分割结果；基于第二切片的预测分割结果对第二切片的初始分割结果进行调整，得到第二切片的调整后分割结果；对第一切片的调整后分割结果和第二切片的调整后分割结果进行融合，得到所述切片对的分割结果。7.根据权利要求6所述的方法，其特征在于，所述基于第一切片的预测分割结果对第一切片的初始分割结果进行调整，得到第一切片的调整后分割结果，包括：对第一切片的预测分割结果和第一切片的初始分割结果进行平均处理，得到第一切片的调整后分割结果；所述基于第二切片的预测分割结果对第二切片的初始分割结果进行调整，得到第二切片的调整后分割结果，包括：对第二切片的预测分割结果和第二切片的初始分割结果进行平均处理，得到第二切片的调整后分割结果。8.根据权利要求6所述的方法，其特征在于，所述对第一切片的调整后分割结果和第二切片的调整后分割结果进行融合，得到所述切片对的分割结果。对第一切片的调整后分割结果和第二切片的调整后分割结果进行平均处理，将平均处理后的结果进行二值化处理，得到所述切片对的分割结果。9.根据权利要求1至5任一项所述的方法，其特征在于，所述采用不同感受野对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息，包括：通过训练后分割模型中的残差网络对所述切片进行特征提取，得到每一切片的高层特征信息和低层特征信息；所述根据所述低层特征信息和高层特征信息对切片中的目标对象进行分割，得到每一切片的初始分割结果，包括：根据所述低层特征信息和高层特征信息，通过训练后分割模型中的分割网络对切片中的目标对象进行分割，得到每一切片的初始分割结果；所述将所述低层特征信息和高层特征信息...

【专利技术属性】
技术研发人员：曹世磊，王仁振，马锴，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44