【技术实现步骤摘要】
肺图像处理方法及装置、电子设备和存储介质
[0001]本公开涉及医学图像处理
,尤其涉及一种肺图像处理方法及装置
、
电子设备和存储介质
。
技术介绍
[0002]医学影像分析是近年来医学研究和临床应用的一个重要领域
。
在诸多医学影像处理技术中,图像分割作为一种基础性和关键性的技术,一直是研究的热点
。
图像分割通过将图像划分为多个具有相关特性的区域,使得医生能够更加清晰地识别和分析图像中的结构和特征
。
在此背景下,从计算机断层扫描
(Computed Tomography,CT)
图像中精准地分割血管结构显得尤为重要
。
血管是人体循环系统的重要组成部分,通过
CT
图像进行血管分割能够使医生直观地观察血管的形态
、
粗细
、
分支以及与周围结构的关系
。
这对于循环系统疾病如冠状动脉疾病
、
动脉硬化
、
脑血管疾病等的诊断具有深远意义
。
血管分割的精准度直接影响到诊断的准确性和及时性
。
介入手术通常涉及到高度精细和复杂的操作,对血管的结构和位置了解必须非常精确
。
通过血管分割,医生能够清晰地看到血管的三维结构,这对于手术路径的规划
、
工具的选择和潜在风险的评估至关重要
。
同时,血管分割不仅在初步诊断中发挥作用,还在治 ...
【技术保护点】
【技术特征摘要】
1.
一种肺图像处理方法,其特征在于,包括:利用第一数目的第一肺图像及其对应的肺血管标签图像对第一分割模型进行训练;并基于训练后的第一分割模型对第二数目的第二肺图像进行肺血管分割,得到对应的第一肺血管分割图像;对所述对应的第一肺血管分割图像进行选择,得到选择的第一肺血管分割图像;并利用所述第一数目的第一肺图像及其对应的肺血管标签图像
、
选择的第一肺血管分割图像及其对应的第二肺图像对第二分割模型进行训练;并基于所述训练的第二分割模型对选择后剩余第三数目的第二肺图像进行肺血管分割,得到对应的第二肺血管分割图像
。2.
根据权利要求1所述的处理方法,其特征在于,还包括:获取所述第二分割模型的性能指标;若所述性能指标低于设定性能指标,则对所述对应的第二肺血管分割图像进行选择,得到选择的第二肺血管分割图像;利用所述第一数目的第一肺图像及其对应的肺血管标签图像
、
选择的第二肺血管分割图像及其对应的第二肺图像对第三分割模型进行训练;并基于所述训练的第三分割模型对选择后剩余第四数目的第二肺图像进行肺血管分割,得到对应的第二肺血管分割图像;重复上述过程,直至最终的分割模型的性能指标高于或等于所述设定性能指标为止;以及
/
或,所述对所述对应的第一肺血管分割图像进行选择,得到选择的第一肺血管分割图像的方法,包括:
。
获取每个第一肺血管分割图像对应的分割指标及第一设定分割指标;基于所述每个第一肺血管分割图像对应的分割指标及所述第一设定分割指标,对所述对应的第一肺血管分割图像进行选择,得到选择的第一肺血管分割图像;以及
/
或,所述基于所述每个第一肺血管分割图像对应的分割指标及所述第一设定分割指标,对所述对应的第一肺血管分割图像进行选择,得到选择的第一肺血管分割图像的方法,包括:若所述第一肺血管分割图像对应的分割指标大于或等于所述第一设定分割指标,则将此第一肺血管分割图像确定为选择的第一肺血管分割图像;以及
/
或,所述对所述对应的第二肺血管分割图像进行选择,得到选择的第二肺血管分割图像的方法,包括:获取每个第二肺血管分割图像对应的分割指标及第二设定分割指标;基于所述每个第二肺血管分割图像对应的分割指标及所述第二设定分割指标,对所述对应的第二肺血管分割图像进行选择,得到选择的第二肺血管分割图像;以及
/
或,所述基于所述每个第二肺血管分割图像对应的分割指标及所述第二设定分割指标,对所述对应的第二肺血管分割图像进行选择,得到选择的第二肺血管分割图像的方法,包括:若所述第二肺血管分割图像对应的分割指标大于或等于所述第二设定分割指标,则将此第二肺血管分割图像确定为选择的第二肺血管分割图像
。3.
根据权利要求1‑2任一项所述的处理方法,其特征在于,确定所述第一数目的第一肺图像对应的肺血管标签图像的方法,包括:利用已训练的预设肺血管卷积分割模型,分别对所述第一数目的第一肺图像进行第一
次肺血管分割,得到对应的第一肺血管标签图像;利用机器学习分割模型,分别对所述第一数目的第一肺图像进行第二次肺血管分割,得到对应的第二肺血管标签图像;其中,所述第二肺血管标签图像中肺血管的管径小于所述第一肺血管标签图像中肺血管的管径;分别对所述第一肺血管标签图像及所述第二肺血管标签图像进行融合,得到所述第一数目的第一肺图像对应的肺血管标签图像;以及
/
或,所述分别对所述第一肺血管标签图像及所述第二肺血管标签图像进行融合,得到所述第一数目的第一肺图像对应的肺血管标签图像的方法,包括:分别对所述第一肺血管标签图像及所述第二肺血管标签图像进行位置叠加,得到所述第一数目的第一肺图像对应的肺血管标签图像;以及
/
或,所述利用机器学习分割模型,分别对所述第一数目的第一肺图像进行第二次肺血管分割,得到对应的第二肺血管标签图像的方法,包括:分别对所述第一数目的第一肺图像进行多尺度表示,得到对应的多尺度肺图像;分别对所述多尺肺图像进行特征提取,并利用预设分类器对所述提取的特征进行分类,得到对应的第二肺血管标签图像
。4.
根据权利要求1‑3任一项所述的处理方法,其特征在于,对所述分割模型进行训练的过程中,计算所述分割模型的损失,利用所述损失调整所述分割模型的网络参数;以及
/
或,所述计算所述分割模型的损失的方法,包括:获取
Dice
损失函数及交叉熵损失函数;分别计算所述
Dice
损失函数及所述交叉熵损失函数的第一损失值及第二损失值;将所述第一损失值及第二损失值的和配置为所述分割模型的损失值;以及
/
或,所述计算所述分割模型的损失函数的方法,还包括:设置所述
Dice
损失函数及所述交叉熵损失函数的损失调节;基于所述损失调节,确定所述分割模型是...
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。