一种医学图像分割方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种医学图像分割方法、装置、存储介质及电子设备。其中，方法包括：获取待处理的医学图像，将所述医学图像输入至预先训练的图像分割模型中，其中，所述图像分割模型包括编码器和解码器，其中，所述编码器中的各第一残差模块分别基于多尺度空洞卷积模块与所述解码器中的各第二残差模块横向连接；基于所述图像分割模型的输出结果，确定所述医学图像的分割目标。本实施例的技术方案，通过设置配置尺度空洞卷积模块的图像分割模型，对医学图像进行高精度的图像分割，在得到准确的分割目标的基础上，并保留了分割的目标的细节和空间信息。

A medical image segmentation method, device, storage medium and electronic equipment

【技术实现步骤摘要】
一种医学图像分割方法、装置、存储介质及电子设备
本专利技术实施例涉及图像处理
，尤其涉及一种医学图像分割方法、装置、存储介质及电子设备。
技术介绍
脑肿瘤是最常见和侵袭性的原发性脑肿瘤之一，严重危害人类健康。基于脑肿瘤的精确分割结果，医生可获得肿瘤的形态、大小及位置等多种信息，对其进行定量的分析和跟踪比较，掌握肿瘤病变发展和生长状态。目前已有的脑肿瘤分割方法，无法准确提取细节特征以及整合多尺度感受野信息，导致脑肿瘤分割精度差，为解决这一问题，提出一种基于多尺度空洞卷积的脑肿瘤自动分割方法。
技术实现思路
本专利技术提供一种医学图像分割方法、装置、存储介质及电子设备，以实现提升医学图像分割精度。第一方面，本专利技术实施例提供了一种医学图像分割方法，包括：获取待处理的医学图像，将所述医学图像输入至预先训练的图像分割模型中，其中，所述图像分割模型包括编码器和解码器，其中，所述编码器中的各第一残差模块分别基于多尺度空洞卷积模块与所述解码器中的各第二残差模块横向连接；基于所述图像分割模型的输出结果本文档来自技高网...

【技术保护点】
1.一种医学图像分割方法，其特征在于，包括：/n获取待处理的医学图像，将所述医学图像输入至预先训练的图像分割模型中，其中，所述图像分割模型包括编码器和解码器，其中，所述编码器中的各第一残差模块分别基于多尺度空洞卷积模块与所述解码器中的各第二残差模块横向连接；/n基于所述图像分割模型的输出结果，确定所述医学图像的分割目标。/n

【技术特征摘要】
1.一种医学图像分割方法，其特征在于，包括：
获取待处理的医学图像，将所述医学图像输入至预先训练的图像分割模型中，其中，所述图像分割模型包括编码器和解码器，其中，所述编码器中的各第一残差模块分别基于多尺度空洞卷积模块与所述解码器中的各第二残差模块横向连接；
基于所述图像分割模型的输出结果，确定所述医学图像的分割目标。


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：
获取样本数据和样本数据的标签；
对所述样本数据进行预处理，生成输入数据；
将所述输入数据输入至待训练的图像分割模型中，基于所述样本数据的标签以和所述图像分割模型的预测结果，确定损失函数；
基于所述损失函数对所述待训练的图像分割模型进行训练。


3.根据权利要求2所述的方法，其特征在于，获取样本数据和样本数据的标签，包括：
获取初始样本数据，和所述初始样本图像的初始标签，其中，所述初始标签中包括所述初始样本图像中各像素点的分类标识；
基于预设滑动窗口在所述初始样本数据上进行滑动，并截取至少一个样本数据，其中所述样本数据包括待分割目标；
基于所述初始样本数据与所述初始标签的对应关系，确定截取的至少一个样本数据的标签。


4.根据权利要求3所述的方法，其特征在于，所述初始样本数据为三维样本数据，其中，在基于预设滑动窗口在所述初始样本数据上进行滑动之前，还包括：
将所述三维样本数据沿所述分割目标的轴向进行切片，得到多个二维初始样本数据。


5.根据权利要求2所述的方法，其特征在于，所述对所述样本数据进行预处理，生成输入数据包括：
确定所述样本数据的像素均值和像素标准差；
基于所述样本数据的各像素点的像素值、像素均值和像素标准差对所述样本数据进行归一化处理，得到所述输入数据。


6.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：吕晓钢，陈宽，王少康，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11