医学图像中目标对象的分割方法、装置和电子设备制造方法及图纸

本申请实施例提供了一种医学图像中目标对象的分割方法、装置和电子设备。该方法包括：获取待分割的医学图像；根据掩码区域卷积神经网络模型，确定出待分割的医学图像中各目标对象的初步分割结果；基于初步分割结果中的掩码，对初步分割结果中的各目标对象进行分割，得到各独立的目标对象；输出包含各独立的目标对象的图像。本申请实施例利用掩码区域卷积神经网络模型提升目标对象的初步分割精度，并利用掩码对初步分割结果进一步进行分割，可以消除目标对象重叠的影响，大大提升了目标对象的分割精度；节省了医学图像中候选区域之外的像素点的处理步骤，从而降低了计算量，整体上缩短了分割所需时间，提升了分割效率。

【技术实现步骤摘要】
医学图像中目标对象的分割方法、装置和电子设备
本申请涉及图像处理
，具体而言，本专利技术涉及一种医学图像中目标对象的分割方法、装置和电子设备。
技术介绍
某些疾病的检查通常包括：对待检测人(例如病人或体检者)的组织器官进行活体采样获得组织样本；利用专业仪器对组织样本进行扫描得到医学图像，供医生观察判断。但是，一方面一般医学图像中包含的诸如组织细胞等目标对象的数量十分庞大，医生长时间逐一筛查目标对象将十分耗时耗力；另一方面，长时间的医学图像判读容易导致医生产生疲劳，很容易出现误检与漏检的现象。因此，相关技术人员开发了目标对象的分割方法。现有技术存在一种基于实例分割(InstanceSegmentation)的目标对象的分割方法，通过对医学图像进行像素级别的分类，将医学图像中的各目标对象(例如细胞核)分割出来。然而，本申请的专利技术人发现，利用现有技术从医学图像中分割出的目标对象的精度较为低下，容易误导后续的观察和判断；而且，现有技术的分割过程速度较慢，耗时较长。
技术实现思路
本申请提供了一种医学本文档来自技高网...

【技术保护点】
1.一种医学图像中目标对象的分割方法，其特征在于，包括：/n获取待分割的医学图像；/n根据掩码区域卷积神经网络模型，确定出所述待分割的医学图像中各目标对象的初步分割结果；/n基于所述初步分割结果中的掩码，对所述初步分割结果中的各所述目标对象进行分割，得到各独立的所述目标对象；/n输出包含所述各独立的所述目标对象的图像。/n

【技术特征摘要】
1.一种医学图像中目标对象的分割方法，其特征在于，包括：
获取待分割的医学图像；
根据掩码区域卷积神经网络模型，确定出所述待分割的医学图像中各目标对象的初步分割结果；
基于所述初步分割结果中的掩码，对所述初步分割结果中的各所述目标对象进行分割，得到各独立的所述目标对象；
输出包含所述各独立的所述目标对象的图像。


2.根据权利要求1所述的方法，其特征在于，所述基于所述初步分割结果中的掩码，对所述初步分割结果中的各所述目标对象进行分割，得到各独立的所述目标对象，包括：
根据前景中每个像素点的掩码，确定出所述前景中每个像素点的位置信息；所述前景包括所述初步分割结果中各所述目标对象；所述目标对象包括细胞、细胞核和病灶中的一种；
根据每个所述像素点的位置信息，确定每个所述像素点与最近的边缘之间的距离；所述边缘为所述目标对象的边缘；
根据各所述像素点与最近的边缘之间的距离，确定每个独立的所述目标对象的边缘界限。


3.根据权利要求2所述的方法，其特征在于，所述根据各所述像素点与最近的边缘之间的距离，确定每个独立的所述目标对象的边缘界限，包括：
根据各所述像素点与最近的边缘之间的距离，构建距离图；所述距离图中以不同的颜色表征具有不同所述距离的像素点；
根据所述距离图，确定每个独立的所述目标对象的边缘界限。


4.根据权利要求2或3所述的方法，其特征在于，所述确定每个独立所述目标对象的边缘界限之后，还包括：
根据每个独立的所述目标对象的边缘界限，对每个独立的所述目标对象进行膨胀操作，得到形态膨胀后的各独立的所述目标对象。


5.根据权利要求1所述的方法，其特征在于，所述掩码区域卷积神经网络模型是的通过下述方法预先训练得到的：
从训练集中抽选出多个训练子集；
利用各所述训练子集分别对原始的掩码区域卷积神经网络模型进行初步训练，得到初步训练后的各掩码区域卷积神经网络模型；
利用各掩码区域卷积神经网络模型分别对验证集进行验证性的分割，得到各验证性的分割结果；所述验证集包括所述训练集中抽选剩余的样本医学图像；
确定出符合验证条件的初步训练后的掩码区域卷积神经网络模型，作为选定的掩码区域卷积神经网络模型；所述验证条件包括所述验证性的分割结果的准确率最高且所述训练子集中包含具有标志性信息的样本医学图像。


6.根据权利要求1所述的方法，其特征在于，所述掩码区域卷积神经网络模型包括依次级联的第一卷积神经网络、关注区域对准层、分别连接于所述关注区域对准层之后的分类支路和分割支路、以及连接于所述第一卷积神经网络与所述关注区域对准层之间的候选区域网络；
以及，所述根据掩码区域卷积神经网络模型，确定出所述待分割的医学图像中各目标对象的初步分割结果，包括：
将所述医学图像输入所述掩码区域卷积神经网络模型，通过所述第一卷积神经网络得到第一特征图；
所述第一特征图通过候选区域网络得到候选区域；
所述第一特征图和所述候选区域一并通过所述关注区域对准层，得到携带所述候选区域的第二特征图；
所述第二特征图通过所述分类支路，得到回归后的所述候选区域和目标对象的分类标签；所述第二特征图通过所述分割支路，得到回归后的所述候选区域中每个像素点的掩码；
根据回归后的所述候选区域、所述分类标签和所述掩码，生成二值化的初步分割结果；所述掩码用于确定对应的像素点是否属于目标对象。


7.根据权利要求6所述的方法，其特征在于，所述第一卷积神经网络中的卷积神经网络块包括深度残差网络块、分组卷积的残差网络结构块和视...

【专利技术属性】
技术研发人员：李悦翔，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