医学图像的分割方法和计算机可读存储介质技术

本申请涉及一种医学图像的分割方法和计算机可读存储介质，该方法包括：获取待分割图像中的各个器官图像；将各个器官图像分别输入对应的器官异常点分割模型中，得到各个器官图像对应的异常点分割结果；其中，器官异常点分割模型包括多个分割网络的级联结构，且后一个分割网络的输入数据包括前一个分割网络的至少一个输出结果；根据各个器官图像对应的异常点分割结果，得到待分割图像对应的全身异常点分割结果。该方法中可大大提高得到的全身异常点分割结果的准确性。

【技术实现步骤摘要】
医学图像的分割方法和计算机可读存储介质
本申请涉及图像处理
，特别是涉及一种医学图像的分割方法和计算机可读存储介质。
技术介绍
PET-CT作为一种核医学成像技术，通过在功能成像中增加解剖定位的准确度，使得其在早期病灶或异常点的检测、发现、分期、治疗和随访中起着至关重要的作用；在对PET-CT图像进行异常点检测时，通常采用图像分割方法将PET-CT图像中的异常点区域分割出来以辅助医生进行后续的诊断过程。早期医生一般仅关注病人的局部异常点，则可以只将PET-CT图像中的局部异常点区域分割出来；当前为使医生更全面了解病人的健康状况，已提出了针对PET-CT图像进行全身异常点区域的分割需求。传统技术中，通过采用全身异常点区域分割模型对受检对象的PET-CT全身图像进行异常点区域分割。但是，采用传统技术的全身异常点区域分割模型进行异常点区域的分割，其分割结果准确性较低。
技术实现思路
基于此，有必要针对传统技术中进行全身异常点区域分割时，其分割结果准确性较低的问题，提供一种医学图像的分割方法和计算机可读存储介质本文档来自技高网...

【技术保护点】
1.一种医学图像的分割方法，其特征在于，所述方法包括：/n获取待分割图像中的各个器官图像；/n将所述各个器官图像分别输入对应的器官异常点分割模型中，得到所述各个器官图像对应的异常点分割结果；其中，所述器官异常点分割模型包括多个分割网络的级联结构，且后一个分割网络的输入数据包括前一个分割网络的至少一个输出结果；/n根据所述各个器官图像对应的异常点分割结果，得到所述待分割图像对应的全身异常点分割结果。/n

【技术特征摘要】
1.一种医学图像的分割方法，其特征在于，所述方法包括：
获取待分割图像中的各个器官图像；
将所述各个器官图像分别输入对应的器官异常点分割模型中，得到所述各个器官图像对应的异常点分割结果；其中，所述器官异常点分割模型包括多个分割网络的级联结构，且后一个分割网络的输入数据包括前一个分割网络的至少一个输出结果；
根据所述各个器官图像对应的异常点分割结果，得到所述待分割图像对应的全身异常点分割结果。


2.根据权利要求1所述的方法，其特征在于，所述器官异常点分割模型包括第一分割网络和第二分割网络，每个分割网络均包括多个解码器；
所述将所述各个器官图像分别输入对应的器官异常点分割模型中，得到所述各个器官图像对应的异常点分割结果，包括：
针对每个器官图像，将所述器官图像输入对应的器官异常点分割模型的第一分割网络，通过所述第一分割网络的多个解码器输出多个参考分割结果；其中，一个解码器输出一个参考分割结果；
将所述器官图像和所述多个参考分割结果中的目标分割结果输入所述器官异常点分割模型的第二分割网络，通过所述第二分割网络的多个解码器中的最后一个解码器输出所述器官图像对应的异常点分割结果；其中，所述目标分割结果为所述第一分割网络的多个解码器中最后N个解码器输出的参考分割结果，所述N≥1。


3.根据权利要求2所述的方法，其特征在于，所述分割网络还包括与解码器个数相同的编码器；所述将所述器官图像和所述多个参考分割结果中的目标分割结果输入所述器官异常点分割模型的第二分割网络，包括：
将所述器官图像和最后一个目标分割结果输入所述第二分割网络的第一个编码器，以及将倒数第n个目标分割结果输入所述第二分割网络的第n个编码器；其中，所述n≤N。


4.根据权利要求1所述的方法，其特征在于，所述将所述各个器官图像分别输入对应的器官异常点分割模型中，得到所述各个器官图像对应的异常点分割结果，包括：
针对每个器官图像，对所述器官图像进行第一转换操作，得到所述器官图像对应的转换图像；
将所述器官图像输入所述器官异常点分割模型中，得到所述器官图像对应的第一分割结果；将所述转换图像输...

【专利技术属性】
技术研发人员：张阳，廖术，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31