一种图像分割方法及系统技术方案

技术编号:39903139 阅读:17 留言:0更新日期:2023-12-30 13:18
本发明专利技术公开一种图像分割方法及系统,涉及医学图像分割技术领域,该方法包括获取目标医学超声图像;将目标医学超声图像输入至训练好的图像语义分割模型中,得到最终图像分割图;训练好的图像语义分割模型包括训练好的第一分割网络和训练好的第二分割网络;训练好的第一分割网络用于对目标医学超声图像进行语义分割,得到初始图像分割图;训练好的第二分割网络用于在多个提取尺度上对初始图像分割图和目标医学超声图像进行特征提取,得到多个尺度特征,并将所有尺度特征进行融合,得到融合特征,根据融合特征得到最终图像分割图

【技术实现步骤摘要】
一种图像分割方法及系统


[0001]本专利技术涉及医学图像分割
,特别是涉及一种图像分割方法及系统


技术介绍

[0002]医学图像分析广泛应用语义分割,语义分割通常是指通过计算机对图像进行处理找出图像中呈现的对象并为给定图像的每个像素分配一个类标签

近年来,以
Unet
为主要结构的变体在超声分割领域取得了较好结果,如乳腺癌症
、IVUS(
血管疾病
)、
肾脏等超声分割

但是一些任务如颈部超声

甲状腺超声存在相似组织误分类的情况

如图
1(a)
所示,其为一张临床甲状腺超声的图像


1(b)
为对应的标签,其中灰色部分为甲状腺,甲状腺旁边不带有线段的圆形是血管,甲状腺内部附有水平线段的圆形为甲状腺结节


1(c)

Unet
预测出来的结果

由于图r/>1(a)...

【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:获取目标医学超声图像;将所述目标医学超声图像输入至训练好的图像语义分割模型中,得到最终图像分割图;所述训练好的图像语义分割模型包括训练好的第一分割网络和训练好的第二分割网络;所述最终图像分割图包括所述目标医学超声图像中的组织的最终类型信息和最终位置信息;其中,所述训练好的第一分割网络用于对所述目标医学超声图像进行语义分割,得到初始图像分割图;所述初始图像分割图包括所述目标医学超声图像中的组织的初始类型信息和初始位置信息;所述训练好的第二分割网络用于在多个提取尺度上对所述初始图像分割图和所述目标医学超声图像进行特征提取,得到多个尺度特征,并将所有所述尺度特征进行融合,得到融合特征,根据所述融合特征得到最终图像分割图
。2.
根据权利要求1所述的图像分割方法,其特征在于,所述训练好的第二分割网络包括
HLCS
特征提取模块

相乘模块

编码模块
、DCPF
模块和解码模块;其中,所述
HLCS
特征提取模块用于对所述初始图像分割图进行特征提取,得到深度卷积特征;所述相乘模块用于对所述目标医学超声图像和所述初始图像分割图进行相乘操作,得到乘积特征图;所述编码模块用于对所述乘积特征图进行编码,得到编码特征;所述
DCPF
模块用于在多个所述提取尺度上对所述编码特征和所述深度卷积特征进行特征提取,得到多个尺度特征,并将所有所述尺度特征进行融合,得到融合后的尺度特征,并利用一第一卷积层对所述融合后的尺度特征进行特征提取,得到融合特征;所述解码模块用于对所述融合特征进行解码,得到最终图像分割图
。3.
根据权利要求2所述的图像分割方法,其特征在于,所述
HLCS
特征提取模块包括依次连接的若干个深度卷积子模块和一个深度卷积单元;所述深度卷积子模块包括依次连接的深度卷积单元和第一最大池化层;所述深度卷积单元包括若干个依次连接的深度卷积层
。4.
根据权利要求2所述的图像分割方法,其特征在于,所述编码模块包括依次连接的若干个编码子模块和一个编码卷积单元;所述编码子模块包括依次连接的编码卷积单元和第二最大池化层;所述编码卷积单元包括编码卷积子单元和编码融合子单元,所述编码卷积子单元包括若干个依次连接的第二卷积层,所述编码融合子单元用于对所述编码卷积子单元的输入和所述编码卷积子单元的输出进行相加操作
。5.
根据权利要求2所述的图像分割方法,其特征在于,所述
DCPF
模块包括若干个尺度特征提取子模块和融合子模块;所述尺度特征提取子模块包括特征提取单元

类别上下文卷积单元和
ASPP
卷积单元;每一所述尺度特征提取子模块对应一提取尺度;其中,所述特征提取单元用于在所述尺度特征提取子模块对应的提取尺度上对所述编码特征进行特征提取,得到全局融合特征;所述类别上下文卷积单元用于对所述深度卷积特征和所述全局融合特征进行融合,得到类别动态卷积核;
所述
ASPP
卷积单元用于通过所述类别动态卷积核对所述编码特征进行特征提取,得到尺度特征;所述融合子模块用于将所有所述尺度特征提取子模块得到的尺度特征进行融合,得到融合后的尺度特征,并利用所述第一卷积层对所述融合后的尺度特征进行特征提取,得到融合特征
。6.
...

【专利技术属性】
技术研发人员:朱皞罡宫宇新
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1