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】
本专利技术实施例涉及医学图像处理,尤其涉及一种图像分割方法、装置、设备和介质。
技术介绍
1、深度学习可以被应用在医学图像中处理中,通过训练神经网络模型进行自动检测和分割肺部结构,可以辅助相关工作人员对医学图像进行处理。
2、但是,在实现本专利技术的过程中,发现现有技术中至少存在以下技术问题:
3、由于带有积液、炎症或者肿块的肺的ct(computed tomography)值和肺周围的组织、血管的ct值非常接近,给神经网络模型的学习过程会带来干扰,训练效果还存在一定的提升空间。
技术实现思路
1、本专利技术实施例提供了一种图像分割方法、装置、设备和介质,可以结合骨的先验信息对肺部组织进行精确的分割,同时得到骨和肺的分割解结果,提高肺部ct图像中肺组织分割的质量。
2、第一方面,本专利技术实施例提供了一种图像分割方法,该方法包括:
3、获取待分割肺部ct图像;
4、根据骨和肺分别对应的ct值数值区间,对所述待分割肺部ct图像进行预处理,得到包含骨分布特征信息的预处理肺部ct图像;
5、将所述预处理肺部ct图像输入到经过预先训练的目标肺组织分割模型中,得到所述待分割肺部ct图像对应的肺组织分割结果和骨分割结果;
6、其中,所述目标肺组织分割模型为包含有通道注意力机制的残差卷积神经网络,且包括两个输出头网络模块。
7、第二方面,本专利技术实施例提供了一种图像分割装置,该装置包括:
9、图像预处理模块,用于根据骨和肺分别对应的ct值数值区间,对所述待分割肺部ct图像进行预处理,得到包含骨分布特征信息的预处理肺部ct图像;
10、图像分割模块,用于将所述预处理肺部ct图像输入到经过预先训练的目标肺组织分割模型中,得到所述待分割肺部ct图像对应的肺组织分割结果和骨分割结果;
11、其中,所述目标肺组织分割模型为包含有通道注意力机制的残差卷积神经网络,且包括两个输出头网络模块。
12、第三方面,本专利技术实施例还提供了一种计算机设备,所述计算机设备包括:
13、一个或多个处理器;
14、存储器,用于存储一个或多个程序;
15、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本专利技术任意实施例所提供的图像分割方法。
16、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本专利技术任意实施例所提供的图像分割方法。
17、上述专利技术中的实施例具有如下优点或有益效果:
18、本专利技术实施例,通过获取待分割肺部ct图像;根据骨和肺分别对应的ct值数值区间,对待分割肺部ct图像进行预处理,得到包含骨分布特征信息的预处理肺部ct图像;将预处理肺部ct图像输入到经过预先训练的目标肺组织分割模型中,得到待分割肺部ct图像对应的肺组织分割结果和骨分割结果;其中,目标肺组织分割模型为包含有通道注意力机制的残差卷积神经网络,且包括两个输出头网络模块。本专利技术实施例的技术方案,解决了当前基于深度学习的肺组织分割结果不理想的问题,可以结合骨的先验信息对肺部组织进行精确的分割,提高肺部ct图像中肺组织分割的质量。
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,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据骨和肺分别对应的CT值数值区间,对所述待分割肺部CT图像进行预处理,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据肺对应的CT值数值区间,对所述待分割肺部CT图像中未被标记为骨的像素点进行像素值归一化处理,包括:
4.根据权利要求3所述的方法,其特征在于,对识别为骨的像素点进行标记,包括:
5.根据权利要求1-4中任一所述的方法,其特征在于,所述目标肺组织分割模型的训练过程,包括:
6.根据权利要求5所述的方法,其特征在于,所述通道注意力机制包括:
7.根据权利要求5所述的方法,其特征在于,所述基于所述预测损失更新所述初始肺组织分割模型中的待学习更新参数,以得到所述目标肺组织分割模型,包括:
8.一种图像分割装置,其特征在于,包括:
9.一种计算机设备,其特征在于,所述计算机设备包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实
...【技术特征摘要】
1.一种图像分割方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据骨和肺分别对应的ct值数值区间,对所述待分割肺部ct图像进行预处理,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据肺对应的ct值数值区间,对所述待分割肺部ct图像中未被标记为骨的像素点进行像素值归一化处理,包括:
4.根据权利要求3所述的方法,其特征在于,对识别为骨的像素点进行标记,包括:
5.根据权利要求1-4中任一所述的方法,其特征在于,所述目标肺组织分割模型的...
【专利技术属性】
技术研发人员:田义涛,闵祥德,祖育昆,刘玉建,蔡纯,
申请(专利权)人:华中科技大学同济医学院附属同济医院,
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。