【技术实现步骤摘要】
本专利技术涉及医疗临床，尤其涉及一种基于图像技术的脏器分割方法及系统。
技术介绍
1、随着医学影像技术的不断发展，对脏器的精确分割在医疗临床、医学规划等领域变得愈发关键。传统的脏器实例分割方法受限于手工设计特征和启发式规则的局限性，无法充分捕捉脏器在不同图像中的多样性和复杂性。
技术实现思路
1、基于此，本专利技术有必要提供一种基于图像技术的脏器分割方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于图像技术的脏器分割方法，包括以下步骤：
3、步骤s1：通过ct医学影像设备获取ct腹部脏器图像并进行图像预处理，以得到ct腹部脏器高质量图像；对ct腹部脏器高质量图像进行像素值标定处理，以得到ct腹部脏器图像原始像素矩阵；
4、步骤s2：基于ct腹部脏器高质量图像对ct腹部脏器图像原始像素矩阵进行空气区域以及水区域分割，得到ct图像像素矩阵空气区域以及ct图像像素矩阵水区域；对ct图像像素矩阵空气区域以及ct图像像素矩阵水区域进行最值计算，以得到ct图像最小ct值以及ct图像最大ct值；
5、步骤s3：基于ct图像最小ct值以及ct图像最小ct值对ct腹部脏器图像原始像素矩阵进行ct值标定计算，以得到ct腹部脏器图像像素点ct值；对ct腹部脏器图像像素点ct值进行逆变换映射处理，得到ct腹部脏器图像变换像素值；对ct腹部脏器图像变换像素值进行预处理，得到ct图像像素值标准数据；
6、步骤s4：利用ct图像像素值标准
7、本专利技术首先通过使用ct医学影像设备扫描获取高分辨率的腹部脏器图像，以提供详细的腹部脏器结构信息，从而为后续的分析和处理提供了基础数据保障。同时，通过对ct腹部脏器图像进行图像去噪、灰度调整、均衡优化等预处理过程，有助于提高ct腹部脏器图像的质量，还可以有效减少ct腹部脏器图像中的伪影和其他噪声干扰，使得ct腹部脏器图像能够更加清晰、更易于解释，从而为后续的分析处理过程奠定基础。通过对ct腹部脏器高质量图像进行像素值标定处理，以确保ct腹部脏器高质量图像的像素值与实际物理尺寸和密度的对应关系准确无误，从而为后续的分割和分析提供了可靠的基础。其次，通过基于ct腹部脏器高质量图像对ct腹部脏器图像原始像素矩阵进行空气区域以及水区域分割，以识别ct腹部脏器高质量图像中的空气区域和水区域，能够将空气和水这两种不同密度的组织或介质从整个图像中分离出来，这种区域分割处理过程有助于后续的定量分析和特定组织的定位，从而为后续的图像像素处理和ct值计算提供了基础数据。并且，通过对ct图像像素矩阵空气区域以及ct图像像素矩阵水区域进行最值计算，能够确定ct腹部脏器高质量图像中像素值的最小和最大ct值，这些极值提供了关于不同组织密度的极端值，有助于更全面地理解图像中不同区域的密度分布情况，为后续的ct值标定提供了精确的基础数据。然后，通过结合ct图像最小ct值以及ct图像最大ct值使用合适的ct值标定计算公式对ct腹部脏器图像原始像素矩阵中的每个像素点进行ct值标定计算，能够实现了将原始像素值映射到对应的ct值。这一步骤的关键在于将像素的数值转换为对应的组织或介质的ct值，为后续的密度定量分析提供了准确的基础数据。通过对ct腹部脏器图像像素点ct值进行逆变换映射处理，这一步骤的目的是将标定后的ct值变换映射回像素值，以生成变换后的像素值。该逆变换映射过程能够更好地反映图像中的密度信息，为后续的图像处理和分析提供更真实的像素值。另外，还通过对ct腹部脏器图像变换像素值进行预处理，这一步骤的目的是对变换后的像素值进行优化处理，包括矩阵重建、保边滤波等操作，以获得更清晰、更具有识别性的像素值数据，能够提供了准确的医学信息，从而为后续的深度学习模型训练奠定了数据基础。最后，通过使用ct图像像素值标准数据来建立了一个合适的医学图像分割网络u-net框架。该u-net框架是一种深度学习神经网络，并在该u-net网络框架中加入注意力模块，可以充分捕捉腹部脏器在不同图像中的多样性和复杂性，特别适用于图像分割任务，还能够有效地捕获图像的局部特征并实现精准的分割。通过使用预先设置的端到端训练策略对医学图像分割网络u-net框架进行模型训练，并通过最小化损失函数来优化医学图像分割网络u-net框架的下卷积采样阶段的像素分辨率损失，此过程中能够持续调整模型参数以达到下卷积像素分辨率损失最小化，最终得到的模型能更准确地分割腹部脏器，因为它经过优化，能够更好地处理分辨率和像素级别的细节。此外，通过对ct图像像素值标准数据进行数据增强处理，以提高模型的泛化能力，有助于提升模型在不同场景下的鲁棒性和准确性。随后，通过使用ct图像像素值增强数据对腹部脏器分割模型进行迁移学习，来调整腹部脏器分割模型的网络超参数，以使模型更好地适应新的数据和场景，能够高效地实现了腹部脏器的自动分割，从而为医学图像的定量分析提供了强有力的工具。
8、优选地，本专利技术还提供了一种基于图像技术的脏器分割系统，用于执行如上所述的基于图像技术的脏器分割方法，该基于图像技术的脏器分割系统包括：
9、ct腹部脏器图像处理模块，用于通过ct医学影像设备获取ct腹部脏器图像并进行图像预处理，以得到ct腹部脏器高质量图像；对ct腹部脏器高质量图像进行像素值标定处理，以得到ct腹部脏器图像原始像素矩阵；
10、ct图像最值处理模块，用于基于ct腹部脏器高质量图像对ct腹部脏器图像原始像素矩阵进行空气区域以及水区域分割，得到ct图像像素矩阵空气区域以及ct图像像素矩阵水区域；对ct图像像素矩阵空气区域以及ct图像像素矩阵水区域进行最值计算，以得到ct图像最小ct值以及ct图像最大ct值；
11、ct图像像素值变换模块，用于基于ct图像最小ct值以及ct图像最小ct值对ct腹部脏器图像原始像素矩阵进行ct值标定计算，以得到ct腹部脏器图像像素点ct值；对ct腹部脏器图像像素点ct值进行逆变换映射处理，得到ct腹部脏器图像变换像素值；对ct腹部脏器图像变换像素值进行预处理，从而得到ct图像像素值标准数据；
12、分割网络模型训练优化模块，用于利用ct图像像素值标准数据构建医学图像分割网络u-net框架；利用预设的端到端训练策略以及最小化损失函数对医学图像分割网络u-net框架进行模型训练，以得到腹部脏器分割模型；对ct图像像素值标准数据进行数据增强处理，得到ct图像像素值增强数据；利用ct图像像素值增强数据对腹部脏器分割模型进行迁移学习，以优化腹部脏器分割模型的网络超参数，得到腹部脏器分割优化模型，以执行本文档来自技高网...
【技术保护点】
1.一种基于图像技术的脏器分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像技术的脏器分割方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的基于图像技术的脏器分割方法，其特征在于，步骤S15包括以下步骤：
4.根据权利要求1所述的基于图像技术的脏器分割方法，其特征在于，步骤S2包括以下步骤：
5.根据权利要求4所述的基于图像技术的脏器分割方法，其特征在于，步骤S23中的CT最值计算公式具体为：
6.根据权利要求1所述的基于图像技术的脏器分割方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求6所述的基于图像技术的脏器分割方法，其特征在于，步骤S34包括以下步骤：
8.根据权利要求1所述的基于图像技术的脏器分割方法，其特征在于，步骤S4包括以下步骤：
9.根据权利要求8所述的基于图像技术的脏器分割方法，其特征在于，步骤S41包括以下步骤：
10.一种基于图像技术的脏器分割系统，其特征在于，用于执行如权利要求1所述的基于图像技术的脏器分
...【技术特征摘要】
1.一种基于图像技术的脏器分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像技术的脏器分割方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的基于图像技术的脏器分割方法，其特征在于，步骤s15包括以下步骤：
4.根据权利要求1所述的基于图像技术的脏器分割方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求4所述的基于图像技术的脏器分割方法，其特征在于，步骤s23中的ct最值计算公式具体为：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：姜冠群，
申请(专利权)人：山东卓业医疗科技有限公司，
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。