【技术实现步骤摘要】
医疗图像的分割方法及装置、非易失性存储介质
[0001]本申请涉及医学图像处理领域，具体而言，涉及一种医疗图像的分割方法及装置、非易失性存储介质。
技术介绍
[0002]近年来，慢阻肺疾病的发病率和死亡率日益增加，已经成为危害人类健康、危害社会及经济可持续发展的严重公共卫生问题和社会问题。胸部电子计算机断层扫描（Computed Tomography，CT）检查能提供高密度分辨率、高对比度的肺部影像，在慢阻肺的临床诊断上具有明显优势。但目前的常规CT检查主要是对肺组织形态结构的定性诊断，主观性较强，容易造成疏漏和误诊，且主要是对单肺范围内的诊断，无法对肺叶解剖区域进行有效的定量评估。基于CT影像的肺叶分割是医生诊断和治疗肺部疾病的重要参考之一, 但肺叶边界的模糊，且80%的患者存在不完整的肺间裂以及手动分割的巨大工作量使得医生难以准确、快速地分割肺叶。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种医疗图像的分割方法及装置、非易失性存储介质，...
【技术保护点】
【技术特征摘要】
1.一种医疗图像的分割方法，其特征在于，包括：从待处理的肺部医疗图像中提取第一肺实质图像；将所述第一肺实质图像输入目标神经网络模型内依次排列的多个处理模块进行处理，获得由所述目标神经网络模型输出的第一肺叶特征，其中，任一处理模块包括卷积网络、残差网络和注意力机制，相邻的处理模块中的后一处理模块利用所述卷积网络和所述残差网络对前一处理模块的输出内容进行处理，得到第一处理结果，所述后一处理模块利用所述残差网络和所述注意力机制对所述前一处理模块的输出内容进行处理，得到第二处理结果，所述后一处理模块将基于所述第一处理结果和所述第二处理结果计算得到的第三处理结果输入下一处理模块；根据所述第一肺叶特征对所述第一肺实质图像进行分割处理，得到所述第一肺实质图像对应的第一肺叶分割结果。2.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型通过以下方法生成：构建改进神经网络模型，其中，所述改进神经网络模型包括依次排列的多个处理模块，各个处理模块包括卷积网络、残差网络和注意力机制；从任一样本图像中提取第二肺实质图像，所述样本图像被标记有标准肺叶分割结果；采用所述改进神经网络模型提取所述第二肺实质图像的第二肺叶特征，所述改进神经网络模型中相邻的处理模块中的后一处理模块利用所述卷积网络和所述残差网络对前一处理模块的输出内容进行处理，得到第一处理结果，所述后一处理模块利用所述残差网络和所述注意力机制对所述前一处理模块的输出内容进行处理，得到第二处理结果，所述后一处理模块将基于所述第一处理结果和所述第二处理结果计算得到的第三处理结果输入下一处理模块；根据所述第二肺叶特征对所述第二肺实质图像进行分割处理，得到所述第二肺实质图像对应的第二肺叶分割结果，并且在所述第二肺叶分割结果与所述标准肺叶分割结果之间的差异满足预设条件时，确定训练后的目标神经网络模型。3.根据权利要求1所述的方法，其特征在于，所述残差网络包括第一残差连接和第二残差连接；所述卷积网络包括n个卷积层，n为大于等于1的整数；任一所述处理模块利用所述第一残差连接将所述卷积网络的第一个卷积层的输入与最后一个卷积层的输出相连；任一所述处理模块利用所述第二残差连接和所述注意力机制对前一处理模块的输出内容进行处理，得到所述第一肺实质图像经过注意力计算后的特征图。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一肺叶特征对所述第一肺实质图像进行分割处理，得到所述第一肺实质图像对应的第一肺叶分割结果包括：根据所述第一肺叶特征，得到对应于所述第一肺实质图像的特征图；通过预设激活函数确定所述特征图中各体素点分别属于各个肺叶的概率值；根据所述特征图中各体素点分别属于各个肺叶的概率值确定所述各个肺叶的分割边界，并将所述各个肺叶的分割边界确定为所述第一肺叶分割结果。5.根据权利要求2所述的方法，其特征在于，采用所述改进神经网络模型提取所述第二肺实质图像的第二肺叶特征之前，所述方法还包括：
在所述改进神经网络模...
【专利技术属性】
技术研发人员：楚琴，李楠宇，陈日清，徐宏，余坤璋，
申请(专利权)人：杭州堃博生物科技有限公司，
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。