肺部图像分割方法、装置、存储介质及计算机设备制造方法及图纸

本发明专利技术涉及人工智能及数字医疗技术领域，提供了一种肺部图像分割方法、装置、存储介质及计算机设备。该方法包括：基于全卷积神经网络模型，通过密集连接的混合膨胀卷积模块和层级注意力机制，构建肺结节分割模型；以肺实质图像样本为输入，以肺实质图像样本的肺结节分割图像为输出，对肺结节分割模型进行训练，得到训练好的肺结节分割模型；获取待处理的肺部图像，通过肺实质分割算法对肺部图像进行分割，得到肺实质图像；根据肺实质图像，通过训练好的肺结节分割模型，得到肺部图像的肺结节分割结果。上述方法能够有效的提高肺结节的分割精度。精度。精度。

【技术实现步骤摘要】
肺部图像分割方法、装置、存储介质及计算机设备


[0001]本专利技术涉及人工智能及数字医疗
，尤其是涉及一种肺部图像分割方法、装置、存储介质及计算机设备。

技术介绍

[0002]近年来，随着空气质量的恶化、二手烟危害的加深、职业因素的影响等各种原因，肺部疾病的发病率开始逐渐呈现出高发态势，其中，肺结节作为肺癌的早期征兆之一，其分割方式也已经成为了业界广泛研究的热点之一。
[0003]在现有技术，通常采用全卷积神经网络模型作为搭建肺结节分割模型的基础模型。但是，在利用全卷积神经网络模型进行肺部图片的下采样时，常常会丢失掉很多上下文信息，从而使得上采样过程难以完全恢复待分割目标的细节信息及其对应的空间维度，造成了上采样得到的结果不清晰，进而导致肺结节的分割精度不高。此外，传统的全卷积神经网络模型中所用到的膨胀卷积很容易出现栅格问题，而栅格问题的出现会使得采样结果无法覆盖到所有的图像特征，也会损失图像特征的连续性，这进一步降低了肺结节分割结果的精确度。

技术实现思路

[0004]有鉴于此，本申请提供了一种肺部图像分割方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肺部图像分割方法，其特征在于，所述方法包括：基于全卷积神经网络模型，通过密集连接的混合膨胀卷积模块和层级注意力机制，构建肺结节分割模型；以肺实质图像样本为输入，以所述肺实质图像样本的肺结节分割图像为输出，对所述肺结节分割模型进行训练，得到训练好的肺结节分割模型；获取待处理的肺部图像，通过肺实质分割算法对所述肺部图像进行分割，得到肺实质图像；根据所述肺实质图像，通过所述训练好的肺结节分割模型，得到所述肺部图像的肺结节分割结果。2.根据权利要求1所述的方法，其特征在于，所述通过肺实质分割算法对所述肺部图像进行分割，得到肺实质图像，包括：通过二值化算法，对所述肺部图像进行二值化处理，得到二值化的肺部图像；通过三维连通算法，对所述二值化的肺部图像进行连通重建，得到肺部三维图像；通过均值聚类算法，对所述肺部三维图像进行聚类处理，得到二值化肺实质三维连通图像；对所述二值化肺实质三维连通图像进行膨胀运算，得到三维肺实质轮廓；对所述三维肺实质轮廓和所述肺部图像进行掩模运算，得到肺实质图像。3.根据权利要求2所述的方法，其特征在于，所述通过三维连通算法，对所述二值化的肺部图像进行连通重建，得到肺部三维图像，包括：通过三维连通算法，将所述二值化的肺部图像中的图像像素在三维方向的六个邻域上进行连通，得到所述二值化的肺部图像的多个连通区域；将所述二值化的肺部图像的多个连通区域按照预定的次序进行重建，得到所述肺部三维图像。4.根据权利要求3所述的方法，其特征在于，所述通过均值聚类算法，对所述肺部三维图像进行聚类处理，得到二值化肺实质三维连通图像，包括：以所述肺部三维图像的多个连通区域的中心点与所述肺部三维图像的中心点的距离作为聚类特征，通过均值聚类算法，对所述肺部三维图像进行聚类处理，得到所述肺部三维图像的多个三维连通区域，其中，所述多个三维连通区域包括二值化的三维连通区域和非二值化的三维连通区域；对所述肺部三维图像的二值化的三维连通区域进行保留，将所述肺部三维图像的非二值化的三维连通区域的体素值设置为1，得到所述二值化肺实质三维连通图像。5.根据权利要求1所述的方法，其特征在于，所述根据所述肺实质图像，通过所述训练好的肺结节分割模型，得到所述肺部图像的肺结节分割...

【专利技术属性】
技术研发人员：张俊杰，
申请(专利权)人：平安医疗健康管理股份有限公司，
类型：发明
国别省市：