一种医学图像分割方法和系统技术方案

本说明书实施例提供一种医学图像分割方法和系统。该方法包括：获取待分割医学图像；利用第一深度学习模型对所述待分割医学图像进行分割，确定第一分割结果；基于所述待分割医学图像以及所述第一分割结果，利用第二深度学习模型确定第二分割结果，所述第二分割结果包括与所述第一分割结果相关的分割区域，所述第二深度学习模型基于包含分割困难部位的目标样本医学图像训练获得；基于所述第一分割结果以及所述第二分割结果，确定所述待分割医学图像的目标分割结果。像的目标分割结果。像的目标分割结果。

【技术实现步骤摘要】
一种医学图像分割方法和系统


[0001]本说明书涉及图像处理领域，特别涉及一种医学图像分割方法和系统。

技术介绍

[0002]随着深度学习在医学影像处理领域应用的成熟，越来越多的自动化器官分割方法开始采用预先训练的深度学习模型来自适应的捕捉医学影像中的高级特征，提高了器官分割速度的同时也获得了更好的泛化性。但是，由于树状管道结构的器官(例如，气管)具有复杂的分支结构和拓扑形态，同时其管径大小也有十余个级别的变化幅度，对于深度学习模型的表达能力具有很大的挑战。特别是有复杂病变导致树状管道结构器官的畸变、轮廓模糊等影像特征的样本，更加剧了深度学习模型的拟合难度。
[0003]因此，希望提出一种医学图像分割方法和系统，可以快速精准的分割出树状结构器官的同时，能够获得完整的分支结构和拓扑形态，以使得分割结果拥有较高的丰富度和完整性。

技术实现思路

[0004]本说明书一个方面提供一种医学图像分割方法。所述方法包括：获取待分割医学图像；利用第一深度学习模型对所述待分割医学图像进行分割，确定第一分割结果；基于所述待分割医学图像以及所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像分割方法，其特征在于，所述方法包括：获取待分割医学图像；利用第一深度学习模型对所述待分割医学图像进行分割，确定第一分割结果；基于所述待分割医学图像以及所述第一分割结果，利用第二深度学习模型确定第二分割结果，所述第二分割结果包括与所述第一分割结果相关的分割区域，所述第二深度学习模型基于包含分割困难部位的目标样本医学图像训练获得；基于所述第一分割结果以及所述第二分割结果，确定所述待分割医学图像的目标分割结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一分割结果以及所述第二分割结果，确定所述待分割医学图像的目标分割结果，包括：确定所述第二分割结果相较于所述第一分割结果的增量区域；基于所述增量区域更新所述第一分割结果，确定所述待分割医学图像的目标分割结果。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一分割结果以及所述第二分割结果，确定所述待分割医学图像的目标分割结果，包括：将所述第一分割结果和所述第二分割结果的交集作为种子区域，在所述第一分割结果和所述第二分割结果的并集上进行种子生长，将种子生长结果确定为所述待分割医学图像的目标分割结果。4.根据权利要求3所述的方法，其特征在于，所述在所述第一分割结果和所述第二分割结果的并集上进行种子生长，包括：在所述第一分割结果和所述第二分割结果的并集上进行26邻域种子生长。5.根据权利要求1所述的方法，其特征在于，在利用所述第二深度学习模型确定所述第二分割结果之前，所述方法还包括：基于所述待分割医学图像以及所述第一分割结果，判断是否需要进行分割填补操作；当不需要进行所述分割填补操作时，将所述第一分割结果确定为所述待分割医学图像的目标分割结果；当需要进行所述分割填补操作时，将所述待分割医学图像以及所述第一分割结果组成双通道输入，输入至所述第二深度学习模型。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一分割结果以及所述第二分割结果，确定所述待分割...

【专利技术属性】
技术研发人员：魏向锴，郑介志，
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：