【技术实现步骤摘要】
本申请涉及肺部支气管图像处理，具体而言，涉及一种肺部图像的分割方法、处理装置、手术机器人及存储介质。
技术介绍
1、肺部穿刺手术主要依靠医生参考ct图片的信息和临床经验进行操作，在肺部穿刺的手术过程中如果能够避开肺部大气管、肺部血管，可以大大减少穿刺手术引起的气胸、肺出血等严重并发症。利用肺部图像对人体肺部气管进行三维重建，为医生进行肺穿刺手术提供三维可视化的参考依据，指导医生设计精确的治疗方案，保证穿刺手术时可有效避开肺部大气管，降低肺穿刺手术引发的并发症，具有非常大的现实意义。
2、目前学术界已存在许多肺部支气管分割方法，其中基于区域生长的肺气道分割方法对阈值的选取非常的敏感，拿双阈值的区域生长方法来举例，如果阈值选取过低，则会引起欠分割的问题，如果选取过高，则会引起泄露的问题。而使用深度学习的方法由于是一种数据驱动的学习方法，通常需要大量的训练数据才能获得优秀的结果。当遇到训练样本不能很好的覆盖总体的类型时，预测的效果，往往会不尽如意。该方法分割精度有限，而且需要较多的人工干预。
技术实现思路
1、本申请实施例提供了一种肺部图像的分割方法、处理装置、手术机器人及存储介质，可以解决如何更好的分割肺部图像的问题。
2、第一方面，本申请实施例提供了一种肺部图像的分割方法，包括：
3、s1：获取肺部图像，基于肺部图像确定肺部的疾病类型；
4、s2：如果疾病类型为目标疾病类型，配置第一类分割方法中的其中一个对肺部图像进行分割，得到分割结果
5、s3：判断分割结果未包括层阶不低于第一预设值的支气管时，执行步骤s4；
6、s4：从第一类和第二类分割方法中尚未被配置的分割方法中配置其中之一对肺部图像进行分割，得到分割结果；
7、s5：基于所有分割结果中的至少两个，确定中间分割结果；
8、s6：判断中间分割结果未包括层阶不低于第一预设值的支气管时，返回执行s4；否则，将中间分割结果作为目标分割结果。
9、可选的，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
10、可选的，在当前一轮被配置的分割方法为第二类分割方法时，选取此前所有轮分割获得的第一类分割结果中的至少一个，与当前一轮分割获得的第二类分割结果进行合并，得到所述中间分割结果。
11、可选的，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
12、在当前一轮被配置的分割方法为第二类分割方法时，选取此前所有轮分割获得的第一类分割结果中的至少一个、此前所有轮分割获得的第二类分割结果中的至少一个，与当前一轮分割获得的第二类分割结果进行合并，得到所述中间分割结果。
13、可选的，所述步骤s3中，判断所述分割结果包括层阶不低于第一预设值的支气管时，将所述分割结果作为目标分割结果。
14、可选的，所述步骤s2中，如果所述疾病类型为非目标疾病类型，配置第一类分割方法中的其中一个对所述肺部图像进行分割，得到分割结果，将所述分割结果作为所述目标分割结果，第一类分割方法包括第一神经网络法。
15、可选的，第一类分割方法包括第一神经网络法，第二类分割方法包括第二神经网络法，第一类或第二类神经网络法被配置对所述肺部图像进行分割得到分割结果，包括：
16、将所述肺部图像输入所述神经网络得到矩阵数据，所述矩阵数据包括至少一个体素及所述体素对应的置信度；
17、将所述置信度高于第一阈值的体素标识为支气管，得到目标二值化图作为分割结果。
18、可选的，如果所述中间分割结果未包括层阶不低于第一预设值的支气管，且第一类和第二类分割方法中没有尚未被配置的分割方法，获取第一或第二神经网络法被配置进行分割所述肺部图像得到的所述矩阵数据；
19、降低第一阈值为第二阈值，将所述置信度低于第二阈值的体素标识为支气管，得到新的二值化图；
20、将所述新的二值化图与所述目标二值化图进行异或，得到异或后的二值化图；
21、将所述异或后的二值化图进行连通域分析，得到与多个连通域对应的二值化图；
22、在所述多个连通域中选取其中一个候选连通域；
23、将所述候选连通域对应的二值化图与所述目标二值化图进行合并，得到合并后的二值化图；
24、当所述合并后的二值化图中的连通域的数量少于所述目标二值化图中的连通域的数量时，则将所述候选连通域中的体素标识为支气管，所述候选连通域标识为有效连通域；
25、将所述有效连通域的二值化图与所述目标二值化图进行合并，得到连接断裂支气管后的分割结果。
26、可选的，第一类分割方法包括区域生长法，所述区域生长法被配置对所述肺部图像进行分割得到分割结果，包括：
27、在所述肺部图像中选取种子点作为生长的起始点；
28、在所述种子点的邻域范围内，选取强度值小于第三阈值的至少一个体素；
29、基于所述种子点的强度值、所述选取的至少一个体素的强度值，确定动态阈值的初始值；
30、基于所述种子点进行区域生长，并选择强度值小于所述动态阈值的初始值的体素标识为支气管，得到二值化图作为分割结果。
31、可选的，所述方法包括：
32、基于所述动态阈值的初始值进行区域生长，将强度值小于所述动态阈值的初始值的体素作为新的种子体素标识为支气管；
33、间隔固定的时间或者当所述新的种子体素的数量达到预设数量时，基于所述动态阈值的初始值、所述新的种子体素的强度值，确定新的阈值；
34、将所述新的阈值设定为所述动态阈值的初始值，返回步骤基于所述动态阈值的初始值进行区域生长。
35、可选的，所述肺部图像为3d图像，所述在所述肺部图像中选择种子点作为生长的起始点，包括：
36、选取所述肺部图像中的预设位置的切片，所述预设位置的范围为0.65～0.85；
37、基于切片阈值，对所述切片进行二值化，得到切片二值化图；
38、对所述切片二值化图求取连通域；
39、选择符合预设条件的连通域，所述预设条件包括连通域的形状为圆形且包含的体素数量范围为100～500；
40、在所述符合预设条件的连通域中选择目标体素，并将所述目标体素作为种子点。
41、可选的，第二类分割方法包括形态学分割法，所述形态学分割法被配置对所述肺部图像进行分割得到分割结果，包括：
42、对所述肺部图像进行二值化后进行开运算，并选择小于预设面积的连通域，得到对应本文档来自技高网...
【技术保护点】
1.一种肺部图像的分割方法，其特征在于，包括：
2.如权利要求1所述的分割方法，其特征在于，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
3.如权利要求1所述的分割方法，其特征在于，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
4.如权利要求1所述的分割方法，其特征在于，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
5.如权利要求1所述的分割方法，其特征在于，所述方法还包括：
6.如权利要求1所述的分割方法，其特征在于，第一类分割方法包括第一神
7.如权利要求6所述的分割方法，其特征在于，所述方法还包括：
8.如权利要求1所述的分割方法，其特征在于，第一类分割方法包括区域生长法，所述区域生长法被配置对所述肺部图像进行分割得到分割结果，包括：
9.如权利要求8所述的分割方法，其特征在于，所述方法包括：
10.如权利要求8所述的分割方法，其特征在于，所述肺部图像为3D图像，所述在所述肺部图像中选择种子点作为生长的起始点，包括：
11.如权利要求1所述的分割方法，其特征在于，第二类分割方法包括形态学分割法，所述形态学分割法被配置对所述肺部图像进行分割得到分割结果，包括：
12.一种图像处理装置，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至11任一项所述的肺部图像的分割方法。
13.一种手术机器人，其特征在于，包括
14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至11任一项所述的肺部图像的分割方法。
...【技术特征摘要】
1.一种肺部图像的分割方法，其特征在于，包括：
2.如权利要求1所述的分割方法，其特征在于，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
3.如权利要求1所述的分割方法，其特征在于，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
4.如权利要求1所述的分割方法，其特征在于，第一类分割方法被配置对所述肺部图像进行分割得到的分割结果为第一类分割结果，第二类分割方法被配置对所述肺部图像进行分割得到的分割结果为第二类分割结果；所述基于所有分割结果中的至少两个，确定中间分割结果，包括：
5.如权利要求1所述的分割方法，其特征在于，所述方法还包括：
6.如权利要求1所述的分割方法，其特征在于，第一类分割方法包括第一神经网络法，第二类分割方法包括第二神经网络法，第一类或第二类神经网络法被配置对所述肺...
【专利技术属性】
技术研发人员：袁文，胡娜，高元倩，
申请(专利权)人：深圳市精锋医疗科技股份有限公司，
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。