一种感兴趣区域分割方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种感兴趣区域分割方法、装置、电子设备及存储介质。该方法包括：获取待进行感兴趣区域分割的目标医学影像，以及，已训练完成的用于分割感兴趣区域的目标分割模型；将目标医学影像输入到目标分割模型中，并根据目标分割模型的输出结果，得到目标医学影像针对感兴趣区域的分割结果；其中，目标分割模型基于多组第一训练样本、多组第二训练样本以及医学影像特征库训练得到。本发明专利技术实施例的技术方案，可降低将非感兴趣区域作为感兴趣区域分割出来的可能，提高分割性能。提高分割性能。提高分割性能。

【技术实现步骤摘要】
一种感兴趣区域分割方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及图像处理
，尤其涉及一种感兴趣区域分割方法、装置、电子设备及存储介质。

技术介绍

[0002]在医学影像分析中，将感兴趣区域从医学影像中准确分割出来，是进行后续的分析量化等操作的一个基础且重要的步骤。
[0003]目前提出的感兴趣区域分割方案，在使用少量带有标签的训练样本训练模型的情况下，模型分割性能较低，叩待解决。

技术实现思路

[0004]本专利技术实施例提供了一种感兴趣区域分割方法、装置、电子设备及存储介质，可降低将非感兴趣区域作为感兴趣区域分割出来的可能，提高分割性能。
[0005]根据本专利技术的一方面，提供了一种感兴趣区域分割方法，可以包括：
[0006]获取待进行感兴趣区域分割的目标医学影像，以及，已训练完成的用于分割感兴趣区域的目标分割模型；
[0007]将目标医学影像输入到目标分割模型中，并根据目标分割模型的输出结果，得到目标医学影像针对感兴趣区域的分割结果；
[0008]其中，目标分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种感兴趣区域分割方法，其特征在于，包括：获取待进行感兴趣区域分割的目标医学影像，以及，已训练完成的用于分割所述感兴趣区域的目标分割模型；将所述目标医学影像输入到所述目标分割模型中，并根据所述目标分割模型的输出结果，得到所述目标医学影像针对所述感兴趣区域的分割结果；其中，所述目标分割模型基于多组第一训练样本、多组第二训练样本以及医学影像特征库训练得到；所述多组第一训练样本中的每组第一训练样本，分别包括包含所述感兴趣区域的第一医学影像及所述第一医学影像针对所述感兴趣区域的目标分割标签；所述多组第二训练样本中的每组第二训练样本，分别包括包含所述感兴趣区域的第二医学影像；所述医学影像特征库基于多个第三医学影像确定，所述多个第三医学影像均未包含所述感兴趣区域。2.根据权利要求1所述的方法，其特征在于，所述目标分割模型通过如下步骤预先训练得到：获取预先搭建的原始分割模型，以及，所述多组第一训练样本、所述多组第二训练样本和所述多个第三医学影像；对所述多个第三医学影像进行特征提取，得到所述医学影像特征库；基于所述多组第一训练样本、所述多组第二训练样本以及所述医学影像特征库，对所述原始分割模型进行训练，得到所述目标分割模型。3.根据权利要求2所述的方法，其特征在于，所述对所述多个第三医学影像进行特征提取，得到所述医学影像特征库，包括：获取待进行训练的特征库构建模型，其中，所述特征库构建模型至少包括第一编码器；针对所述多个第三医学影像中的每个第三医学影像，将所述第三医学影像输入到所述第一编码器中，得到第一特征图；对所述第一特征图中的第一特征进行聚类处理，得到至少一个特征簇；针对所述至少一个特征簇中的每个特征簇，确定所述特征簇中的第一特征的均值特征，并将所述均值特征存入中间影像特征库中；基于所述均值特征，对所述特征库构建模型进行训练，并根据得到的训练结果更新所述特征库构建模型；重复执行所述针对所述多个第三医学影像中的每个第三医学影像的步骤；在所述特征库构建模型训练完成的情况下，将当前得到的中间影像特征库，作为所述医学影像特征库。4.根据权利要求3所述的方法，其特征在于，所述将所述均值特征存入中间影像特征库中，包括：获取所述特征库构建模型的训练次数，并在所述训练次数超过预设次数的情况下，将所述均值特征存入中间影像特征库中。5.根据权利要求3所述的方法，其特征在于，所述特征库构建模型还包括第一重建解码器和第二重建解码器；
所述基于所述均值特征，对所述特征库构建模型进行训练，包括：将所述第一特征图输入到所述第一重建解码器中，得到所述第一重建解码器的输出结果；根据所述均值特征，对所述第一特征图中的与所述均值特征对应的各个第一特征进行替换操作，得到第二特征图；将所述第二特征图输入到所述第二重建解码器中，得到所述第二重建解码器的输出结果；根据所述第三医学影像、所述第一连续解码器的输出结果以及所述第二重建解码器的输出结果，对所述特征库构建模型进行训练。6.根据权利要求3所述的方法，其特征在于，所述原始分割模型包括第二编码器以及第一分割解码器，所述第二编码器与所述第一编码器的结构相同；所述在所述特征库构建模型训练完成的情况下之后，还包括：将当前得到的第一编码器，更新为所述第一编码器；所述基于所述多组第一训练样本、所述多组第二训练样本以及所述医学影像特征库，对所述原始分割模型进行训练，得到所述目标分割模型，包括：根据所述第一编码器的参数更新所述第二编码器的参数，并冻结所述第二编码器的参数；针对所述多组第一训练样本中的每组第一训练样本，将所述第一训练样本中的第一医学影像输入到所述第二编码器中，得到第三特征图，并将所述第三特征图输入到所述第一分割解码器，得到所述第一分割解码器的第一输出结果；针对所述多组第二训练样本中的每组第二训练样本，将所述第二训练样本中的第二医学影像输入到所述第二编码器中，得到第四特征图，并将所述第四特征图输入到所述第一分割解码器，得到所述第一分割解码器的第二输出结果；根据所述第四特征图以及所述医学影像特征库，确定伪分割标签；根据所述多组第一训练样本分别对应的第一分割解码器的第一输出结果和目标分割标签，以及，所述多组第二训练样本分别对应的第一分割解码器的第二输出结果和伪分割标签，对所述原始分割模型进行训练，得到所述目标分割模型。7.根据权利要求6所述的方法，其特征在于，所述根据所述第四特征图以及所述医学影像特征库，确定伪分割标签，包括：针对所述第四特征图中的每个第四特征，确定所述第四特征分别与所述医学影像特征库中的每个均值特征的相似性；确定所述第四特征对应的相似性的统计量，其中，所述统计量包括所述相似性的统计描述；按照所述每个第四特征在所述第四特征图中的位置，对所述每个第四特征分别对应的统计量进行排列，得到相似描述图；对所述相似描述图中的统计量进行聚类处理，得到至少一个统计簇；根据所述至少一个统计簇，确定相似阈值；根据所述相似阈值以及所述相似描述图，确定伪分割标签。8.根据权利要求7所述的方法，其特征在于，所述根据所述相似阈值以及所述相似描述
图，确定伪分割标签，包括：针对所述相似描述图中的每个统计量，在所述统计量大于或等于所述相似阈值的情况下，将所述统计量标记为1，否则标记为0；根据所述每个统计量分别对应的标记，得到标记图；对所述标记图进行上采样处理，得到伪分割标签。9.根据权利要求7所述的方法，其特征在于，所述根据所述至少一个统计簇，确定相似阈值，包括：针对所述至少一个统计簇中的每个统计簇，将所述统计簇中的统计量的均值，作为所述统计簇的簇平均值；确定所述至少一个统计簇分别对应的簇平均值的总平均值和/或总中位数；根据所述总平均值和/或所述总中位数，确定相似阈值。10.根据权利要求3所述...

【专利技术属性】
技术研发人员：亢寒，唐雯，于朋鑫，张荣国，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：