【技术实现步骤摘要】
图像分割方法、装置、计算机设备和存储介质
[0001]本申请涉及图像处理
，特别是涉及一种图像分割方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]在胰腺癌放疗流程中，为了能够清晰的显示胰腺癌原发病灶、区域淋巴结以及其周围的血管或其他危及器官的影像信息，通常需要在扫描图像中勾画出胰腺癌原发病灶、区域淋巴结以及其周围的血管或其他危及器官。
[0003]传统技术中，医生在获取到患者胰腺癌肿瘤区域的初始扫描图像后，在该初始扫描图像的对比度较低的情况下，医生勾画胰腺癌原发病灶时比较困难，因此，需要进一步获取该胰腺癌肿瘤区域对应的对比度较高的目标扫描图像，医生借助该目标扫描图像，在初始扫描图像中勾画出胰腺癌原发病灶、区域淋巴结以及其周围的血管或其他危及器官。例如：医生可以获取胰腺癌肿瘤区域的平扫CT图像以及对比度高于该平扫CT图像的增强CT图像，并借助该增强CT图像，通过手动勾画的方式，在该平扫CT图像中勾画出肿瘤原发病灶和周围区域的淋巴结。
[0004]然而，传统的手动勾画的方式，容易造...
【技术保护点】
【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：获取待测对象的初始扫描图像；将所述初始扫描图像输入预设的图像处理模型中，获得目标分割图像；所述目标分割图像为所述初始扫描图像对应的掩模图像，所述掩模图像中包括所述初始扫描图像中的至少一种标注对象；其中，所述图像处理模型包括生成网络模型和图像分割模型，所述生成网络模型用于根据所述初始扫描图像生成辅助图像；所述图像分割模型为采用初始扫描图像样本集和辅助图像样本集训练得到的分割模型。2.根据权利要求1所述的方法，其特征在于，所述将所述初始扫描图像输入预设的图像处理模型中，获得目标分割图像，包括：将所述初始扫描图像输入所述生成网络模型中，得到所述辅助图像；将所述初始扫描图像和所述辅助图像输入所述图像分割模型中，得到所述目标分割图像。3.根据权利要求2所述的方法，其特征在于，所述初始扫描图像包括平扫CT图像或T1图像中的一种，所述辅助图像包括增强CT图像、MR图像、T1增强图像或T2图像中的一种。4.根据权利要求3所述的方法，其特征在于，所述初始扫描图像为平扫CT图像，所述辅助图像为增强CT图像；所述将所述初始扫描图像输入所述生成网络模型中，得到所述辅助图像，包括：将所述平扫CT图像输入所述生成网络模型中，得到增强CT图像；所述生成网络模型为采用平扫CT图像样本集和增强CT图像样本集训练得到的生成网络模型。5.根据权利要求4所述的方法，其特征在于，所述将所述初始扫描图像和所述辅助图像输入所述图像分割模型中，得到所述目标分割图像，包括：对所述平扫CT图像和所述增强CT图像进行图像预处理，得到预处理后的平扫CT图像和预处理后的增强CT图像；所述预处理包括重采样、归一化和裁剪中的至少一种；将所述预处理后的平扫CT图像和所述预处理后的增强CT图像输入所述图像分割模型中，得到所述目标分割图像。6.根据权利要求5所述的方法，其特征在于，所述将所述预处理后的平扫CT图像和所述预处理后的增强CT图像输入所述图像分割模型中，得到所述目标分割图像，包括：将所述预处理后的平扫CT图像和所述预处理后的增强CT图像输入所述图像分割模型中，得到候选分割图像；对所述候选分割图像进行图像后处理，得到所述目标分割图像；所述后处理包括高斯平滑处理和/或最大连通域处理。7.根据权利要求5所述的方法，其特征在于，所述将所述预处理后的平扫CT图像和所述预处理后的增强CT图像输入所述图像分割模型中，得到所述目标分割图像之前，所述方法还包括：获取所述平扫CT图像样本集，并将所述平扫CT图像样本集中的每个平扫CT图像样本，输入所述生成网络模型中，得到所述每个平扫CT图像样本分别对应的增强CT图像样本；采用所述每个平扫CT图像样本、所述每个平扫C...
【专利技术属性】
技术研发人员：刘应龙，
申请(专利权)人：深圳市联影高端医疗装备创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。