医学图像分割方法、装置及服务器制造方法及图纸

本申请属于图像分割的技术领域，提供了一种医学图像分割方法、装置及服务器，该方法包括：将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征；对所述图像特征进行边界特征提取得到边界特征；融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据；融合所述图像特征和所述全局特征数据生成特征图像；根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。本申请实施例解决图像的病灶区域分割准确率低的问题。

【技术实现步骤摘要】
医学图像分割方法、装置及服务器
本专利技术涉及图像分割的
，尤其涉及一种医学图像分割方法、装置及服务器。
技术介绍
随着医学影像学设备的快速发展和普及，成像技术包括磁共振成像(MR)、计算机断层扫描(CT)、超声、正电子发射断层扫描(PET)等，成为医疗机构开展疾病诊断、手术计划制定、预后评估、随访不可或缺的设备。医学图像处理是分析医学图像的首要步骤，基于医学图像的病灶分割是一项重要的辅助诊断技术，好的分割结果能够帮助医生更快更好的“识图”。在处理医学图像分割问题时，传统方法通常以特征点、边缘检测等为基础进行分析，其缺点是易受成像对比度、噪声以及一些人工效应的干扰，分析精度低。现有方法通过深度学习医学图像构建深度网络模型，但该模型往往只利用编码器对图像提取特征并编码得到的高级特征进行(逐级)解码得到预测分割模板，虽然高级特征具有更加丰富的语义信息，但是由于多次的连续卷积、池化，它们同样损失了许多空间信息，由此一来影响了分割的效果，造成图像病灶区域分割的准确率低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种医学图像分割方法、装置及服务器，以解决图像的病灶区域分割准确率低的问题。本专利技术实施例的第一方面提供了一种医学图像分割方法，包括：将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征；对所述图像特征进行边界特征提取得到边界特征；融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据；融合所述图像特征和所述全局特征数据生成特征图像；根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。在一个实施示例中，所述将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征，包括：所述将待分割图像输入图像分割模型后，通过编码器中图像特征提取网络的N个残差卷积模块逐级对所述待分割图像进行特征提取，生成N级所述图像特征；N≥1。在一个实施示例中，在融合所述图像特征和所述全局特征数据生成特征图像之前，还包括：通过所述编码器中多尺度池化模块对N级所述特征图进行多尺度卷积，得到包含多尺度信息的图像特征。在一个实施示例中，所述对所述特征图像进行边界特征提取得到边界特征，包括：通过所述编码器中边界特征提取网络对每一级所述图像特征进行边界特征提取，得到N级边界特征。在一个实施示例中，所述融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据，包括：通过所述编码器中全局特征生成模块逐级融合N级所述图像特征、N级所述边界特征和所述待分割图像，得到全局特征数据。在一个实施示例中，所述根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像，包括：通过解码器根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。在一个实施示例中，所述通过所述编码器中边界特征提取网络对每一级所述图像特征进行边界特征提取，得到N级边界特征，包括：对于每一级所述图像特征，确定所述图像特征与所述图像特征平均池化后的数据之间的差值为所述图像特征对应的边界特征。在一个实施示例中，所述通过所述编码器中全局特征生成模块逐级融合N级所述图像特征、N级所述边界特征和所述待分割图像，得到全局特征数据，包括：通过门函数结合所述待分割图像对每一级所述图像特征和每一级所述边界特征进行逐级融合，得到全局特征数据。本专利技术实施例的第二方面提供了一种医学图像分割装置，包括：图像特征提取模块，用于将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征；边界特征提取模块，用于对所述图像特征进行边界特征提取得到边界特征；全局特征生成模块，用于融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据；特征融合模块，用于融合所述图像特征和所述全局特征数据生成特征图像；病灶分割模块，用于根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。本专利技术实施例的第三方面提供了一种服务器，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中医学图像分割方法。本专利技术实施例提供的一种医学图像分割方法、装置及服务器，通过将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征；对所述图像特征进行边界特征提取得到边界特征；融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据；融合所述图像特征和所述全局特征数据生成特征图像；根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。通过对图像特征进行边界特征提取并融合图像特征、所述边界特征和所述待分割图像得到全局特征数据，有效的整合了待分割图像的全局特征和边界特征，实现不同水平的特征信息互补。融合图像特征和全局特征数据生成的特征图像具有丰富的图像上下文信息。根据具有丰富的图像上下文信息的特征图像对待分割图像进行病灶分割，提升图像病灶区域的分割精度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，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专利技术的一些实施例，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是本专利技术实施例一提供的医学图像分割方法的流程示意图；图2是本专利技术实施例一提供的图像分割模型的结构示意图；图3是本专利技术实施例二提供的医学图像分割方法的流程示意图；图4是本专利技术实施例三提供的医学图像分割装置的结构示意图；图5是本专利技术实施例四提供的服务器的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。实施例一如图1所示，是本专利技术实施例一提供的医学图像分割方法的流程示意图。本实施例可适用于对医学图像中的病灶区域进行分割的应用场景，该方法可以由医学图像分割装置执行，该装置可为服务器、智能终端、平板或PC等；在本申请实施例中以医学图像分割装置作为执行主体进行说明，该方法具体包括如下步骤：S1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将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征；/n对所述图像特征进行边界特征提取得到边界特征；/n融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据；/n融合所述图像特征和所述全局特征数据生成特征图像；/n根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。/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：
将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征；
对所述图像特征进行边界特征提取得到边界特征；
融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据；
融合所述图像特征和所述全局特征数据生成特征图像；
根据所述特征图像对所述待分割图像进行病灶区域分割，输出病灶区域图像。


2.如权利要求1所述的医学图像分割方法，其特征在于，所述将待分割图像输入图像分割模型，对所述待分割图像进行特征提取生成图像特征，包括：
所述将待分割图像输入图像分割模型后，通过编码器中图像特征提取网络的N个残差卷积模块逐级对所述待分割图像进行特征提取，生成N级所述图像特征；N≥1。


3.如权利要求2所述的医学图像分割方法，其特征在于，在融合所述图像特征和所述全局特征数据生成特征图像之前，还包括：
通过所述编码器中多尺度池化模块对N级所述特征图进行多尺度卷积，得到包含多尺度信息的图像特征。


4.如权利要求2或3所述的医学图像分割方法，其特征在于，所述对所述特征图像进行边界特征提取得到边界特征，包括：
通过所述编码器中边界特征提取网络对每一级所述图像特征进行边界特征提取，得到N级边界特征。


5.如权利要求4所述的医学图像分割方法，其特征在于，所述融合所述图像特征、所述边界特征和所述待分割图像得到全局特征数据，包括：
通过所述编码器中全局特征生成模块逐级融合N级所述图像特征、N级所述边界特征和所述待分割图像，得到全局特征数据。


6.如权利要求5所述的医学图像分割方法，其特征...

【专利技术属性】
技术研发人员：王如心，李烨，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44