System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,特别是涉及一种图像分割方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在医学图像处理领域,针对医学图像的分割一般是通过训练样本训练一个图像分割模型,通过图像分割模型进行医学图像的智能识别。传统的图像分割模型的训练方法中,一般是采用有标签的监督训练,然而,医学图像的标注较难获得,使得存在标注的医学图像较少。
2、目前虽然有一些利用影像报告作为医学图像的标签,以增加训练样本的方法。但该方法要求相应的影像报告必须能够准确的描述对应的医学图像。而在临床上,很多检测对象存在多次扫描,随访跟踪检查的情况,这种情况下,医护人员在对应的报告中往往只描述检测目标对比上次扫描的变化,例如,炎症消失、病灶增大/减小等。因此,若采用这种报告与医学图像进行配对的模型训练,会造成训练的图像分割模型无法准确地理解图像和报告,从而影响分割结果的准确性。
技术实现思路
1、基于此,有必要针对上述图像分割方法的分割结果的准确性较低的技术问题,提供一种图像分割方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种图像分割方法。所述方法包括:
3、获取医学图像序列;
4、提取所述医学图像序列的时序图像特征;
5、根据所述时序图像特征,分割所述医学图像序列中的任一个医学图像,得到任一个医学图像中的感兴趣区域。
6、在其中一个实施例中,所述提取所述医学图像序列的时序图像特征,包括
7、提取所述医学图像序列中的各个医学图像的图像特征;
8、根据所述各个医学图像的图像特征,确定所述医学图像序列的时序图像特征。
9、在其中一个实施例中,通过图像分割模型执行所述图像分割方法,所述图像分割模型通过下述方式训练得到:
10、获取样本对象的样本医学图像序列,以及与所述样本医学图像序列中的目标样本医学图像对应的影像报告;所述样本医学图像序列中包括多个样本医学图像,所述目标样本医学图像为所述样本医学图像序列中采集时间最晚的医学图像;
11、通过所述样本医学图像序列和所述影像报告,对图像分割模型进行训练,得到训练好的图像分割模型。
12、在其中一个实施例中,所述通过所述样本医学图像序列和所述影像报告,对图像分割模型进行训练,得到训练好的图像分割模型,包括:
13、通过所述样本医学图像序列和所述影像报告,对所述图像分割模型中的特征提取模块进行训练,得到训练好的特征提取模块;
14、保持所述训练好的特征提取模块的模型参数不变,通过有标签数据集对所述图像分割模型中的分割模块进行训练,得到训练好的分割模块;所述有标签数据集中包括样本医学图像和所述样本医学图像的真实感兴趣区域;
15、基于所述训练好的特征提取模块和所述训练好的分割模块,得到训练好的图像分割模型。
16、在其中一个实施例中,所述通过所述样本医学图像序列和所述影像报告,对所述图像分割模型中的特征提取模块进行训练,得到训练好的特征提取模块,包括:
17、通过所述影像报告,对文本编码器进行训练,得到预训练的文本编码器;
18、通过所述样本医学图像序列、所述影像报告和所述预训练的文本编码器,对所述特征提取模块进行训练,得到训练好的特征提取模块。
19、在其中一个实施例中,所述通过所述影像报告,对文本编码器进行训练,得到预训练的文本编码器,包括:
20、对所述影像报告进行随机掩码处理,得到掩码报告;
21、以所述掩码报告为输入变量,以所述影像报告为监督信息,结合预设的文本解码器,对所述文本编码器进行训练,得到预训练的文本编码器;
22、其中,所述文本解码器的输入为所述文本编码器的输出。
23、在其中一个实施例中,所述通过所述样本医学图像序列、所述影像报告和所述预训练的文本编码器,对所述特征提取模块进行训练,得到训练好的特征提取模块,包括:
24、通过所述特征提取模块,提取所述样本医学图像序列的样本时序图像特征;
25、通过所述预训练的文本编码器,提取所述影像报告的文本特征;
26、基于所述样本时序图像特征和所述文本特征,对所述特征提取模块和所述预训练的文本编码器进行联合训练,得到训练好的特征提取模块。
27、在其中一个实施例中,所述样本医学图像序列有多个,对应地,样本时序图像特征和文本特征也有多个;
28、基于所述样本时序图像特征和所述文本特征,对所述特征提取模块和所述预训练的文本编码器进行联合训练,得到训练好的特征提取模块,包括:
29、基于多个样本时序图像特征和多个文本特征,得到多个特征对;所述特征对中包括正样本特征对和负样本特征对;
30、获取各个特征对中的样本时序图像特征和文本特征之间的损失;
31、以减小正样本特征对的损失,增大负样本特征对的损失为条件,对所述特征提取模块和所述预训练的文本编码器进行联合训练,得到训练好的特征提取模块。
32、第二方面,本申请还提供了一种图像分割装置。所述装置包括:
33、获取单元,用于获取医学图像序列;
34、提取单元,用于提取所述医学图像序列的时序图像特征;
35、分割单元,用于根据所述时序图像特征,分割所述医学图像序列中的任一个医学图像,得到任一个医学图像中的感兴趣区域。
36、第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上任一项所述方法的步骤。
37、第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述方法的步骤。
38、第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上任一项所述方法的步骤。上述图像分割方法、装置、计算机设备、存储介质和计算机程序产品,在获取医学图像序列后,先提取医学图像序列的时序图像特征,基于时序图像特征分割医学图像序列中的任一个医学图像,得到任一个医学图像的感兴趣区域。该方法在对待检测对象的任一个医学图像进行分割时,先构建一个包含该医学图像的医学图像序列,通过提取医学图像序列的时序图像特征,基于该时序图像特征对该医学图像进行分割,即本方案进行图像分割的依据考虑到了待检测对象的时序变化,相对于只提取待分割的医学图像的图像特征进行图像分割,能够提高分割结果的准确性。
本文档来自技高网...【技术保护点】
1.一种图像分割方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述提取所述医学图像序列的时序图像特征,包括:
3.根据权利要求1所述的方法,其特征在于,通过图像分割模型执行所述图像分割方法,所述图像分割模型通过下述方式训练得到:
4.根据权利要求3所述的方法,其特征在于,所述通过所述样本医学图像序列和所述影像报告,对图像分割模型进行训练,得到训练好的图像分割模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述通过所述样本医学图像序列和所述影像报告,对所述图像分割模型中的特征提取模块进行训练,得到训练好的特征提取模块,包括:
6.根据权利要求5所述的方法,其特征在于,所述通过所述影像报告,对文本编码器进行训练,得到预训练的文本编码器,包括:
7.根据权利要求5所述的方法,其特征在于,所述通过所述样本医学图像序列、所述影像报告和所述预训练的文本编码器,对所述特征提取模块进行训练,得到训练好的特征提取模块,包括:
8.一种图像分割装置,其特征在于,所述装置包括:
...【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:
2.根据权利要求1所述的方法,其特征在于,所述提取所述医学图像序列的时序图像特征,包括:
3.根据权利要求1所述的方法,其特征在于,通过图像分割模型执行所述图像分割方法,所述图像分割模型通过下述方式训练得到:
4.根据权利要求3所述的方法,其特征在于,所述通过所述样本医学图像序列和所述影像报告,对图像分割模型进行训练,得到训练好的图像分割模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述通过所述样本医学图像序列和所述影像报告,对所述图像分割模型中的特征提取模块进行训练,得到训练好的特征提取模块,包括:
6.根据权利要求5所述的方法,其特...
【专利技术属性】
技术研发人员:王梅云,吴青霞,
申请(专利权)人:北京联影智能影像技术研究院,
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。