医学图像的分割方法、装置、电子设备及存储介质制造方法及图纸

本公开提供一种医学图像的分割方法、装置、电子设备及存储介质，包括：获取医学图像的多器官数据集；其中所述医学图像包括若干器官图像，所述多器官数据集包括器官图像、所述器官图像的标注以及所述器官图像的区域边界掩模；基于预设的特征编码器对所述多器官数据集的多尺度特征进行提取，并得到融合特征；基于所述融合特征对所述医学图像中的若干器官图像进行分割处理。本公开中，首先对需要进行器官分割的医学图像进行了预处理并生成了多器官数据集，然后基于本公开中配置的特征编码器对多器官数据集中的数据进行了多尺度的特征提取，最终得到了融合特征。最后基于融合特征对医学图像中的若干器官图像进行了图像分割处理。

【技术实现步骤摘要】

本专利技术涉及互联网，尤其涉及一种医学图像的分割方法、装置、电子设备及存储介质。

技术介绍

1、腹部器官在人体中扮演着至关重要的角色，它们负责消化、吸收、分泌和代谢等关键功能。腹部ct医学影像是医师诊断患者腹部器官是否发生病变、损伤的重要工具。由于腹部医学图像本身存在不均匀、模糊的问题，且腹部医学图像的解剖组织结构和形状极为复杂，这使得用肉眼查看ct影像，可能存在漏检、误检的问题。因此，如何进行准确的医学图像分割对计算机辅助诊断具有重要意义。

2、在现有技术中，对图像进行分割时主要采用基于卷积神经网络(convolutionalneural network，cnn)的分割模型、基于transformer的深度学习网络结构的分割模型以及cnn结合transformer的混合分割模型。其中，基于cnn的分割模型虽然能够很好的提取局部空间信息，但是由于其感受野的限制，使得其无法充分利用原始图像的长距离语义信息。基于transformer的分割模型，依赖于大规模的数据预训练，这会需要大量的计算资源和时间，使得效率变慢。cnn结合transformer的本文档来自技高网...

【技术保护点】

1.一种医学图像的分割方法，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，所述获取医学图像的多器官数据集之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述医学图像进行预处理，并得到预处理后的医学图像，包括：

4.根据权利要求1所述的方法，其特征在于，所述获取医学图像的多器官数据集之后，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述预设的特征编码器包括卷积层、层标准化单元、自注意力层以及空洞卷积金字塔网络；

6.根据权利要求4所述的方法，其特征在于，所述预设的特征编码器包...

【技术特征摘要】

1.一种医学图像的分割方法，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，所述获取医学图像的多器官数据集之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述医学图像进行预处理，并得到预处理后的医学图像，包括：

4.根据权利要求1所述的方法，其特征在于，所述获取医学图像的多器官数据集之后，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述预设的特征编码器包括卷积层、层标准化单元、自注意力层以及空洞卷积金字塔网络；

6.根据权利要求4所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：张沛，黄小红，林深远，文智钰，付延旭，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：