医学图像分割模型和医学图像分割方法技术

本发明专利技术提供了一种医学图像分割模型、医学图像分割方法、电子设备和存储介质，该医学图像分割模型包括特征提取网络、边界分割网络和掩膜分割网络；特征提取网络包括多个编码器和特征融合模块，特征融合模块用于对各层编码器的输出结果进行融合，以获取目标组织融合特征；边界分割网络包括多个第一解码器以及多个第一卷积层，第一卷积层用于对第一解码器的输出结果进行逻辑回归，以输出目标组织边界图像；掩膜分割网络包括多个第二解码器和第二卷积层，第二卷积层用于对最深层的第二解码器的输出结果进行逻辑回归，以输出目标组织掩膜图像。本发明专利技术可以实现目标组织区域的精确分割，进而无需复杂的后处理工序。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别涉及一种医学图像分割模型、医学图像分割方法、电子设备和存储介质。

技术介绍

1、前列腺癌是指发生在前列腺的上皮性恶性肿瘤。前列腺癌出现区域在前列腺区域，临床诊断常用的方法是使用超声图像。超声图像往往具有较低的信噪比和斑点噪声，为了更精确的诊断往往需要手动选取前列腺区域进行分析。为了减轻医生压力，技术人员开发了自动或半自动选取前列腺区域的算法，但目前大多数前列腺超声图像分割算法不具有像素级分割，所以现存分割算法往往不够精准、定位准确性不高，这给医生后期的判断带来不少的困扰。

2、需要说明的是，公开于该专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本专利技术的目的在于提供一种医学图像分割模型、医学图像分割方法、电子设备和存储介质，可以准确地分割出医学图像中的目标组织区域。

2、为达到上述目的，本专利技术提供一种医学图像分割模型，包括特征提取本文档来自技高网...

【技术保护点】

1.一种医学图像分割模型，其特征在于，包括特征提取网络、边界分割网络和掩膜分割网络；

2.根据权利要求1所述的医学图像分割模型，其特征在于，所述特征融合模块包括第一拼接层、双通道单元、拼接单元和合并单元，所述第一拼接层用于对除最深层的所述编码器以外的其它编码器的输出结果进行拼接；所述双通道单元用于根据最深层的所述编码器的输出结果分别获取X向目标组织特征和Y向目标组织特征，所述X向目标组织特征和所述Y向目标组织特征相加后的结果为所述双通道单元的输出结果；所述拼接单元用于对所述第一拼接层的输出结果和所述双通道单元的输出结果进行拼接；所述合并单元用于对最深层的所述编码器的输出结果以...

【技术特征摘要】

1.一种医学图像分割模型，其特征在于，包括特征提取网络、边界分割网络和掩膜分割网络；

2.根据权利要求1所述的医学图像分割模型，其特征在于，所述特征融合模块包括第一拼接层、双通道单元、拼接单元和合并单元，所述第一拼接层用于对除最深层的所述编码器以外的其它编码器的输出结果进行拼接；所述双通道单元用于根据最深层的所述编码器的输出结果分别获取x向目标组织特征和y向目标组织特征，所述x向目标组织特征和所述y向目标组织特征相加后的结果为所述双通道单元的输出结果；所述拼接单元用于对所述第一拼接层的输出结果和所述双通道单元的输出结果进行拼接；所述合并单元用于对最深层的所述编码器的输出结果以及所述拼接单元的输出结果进行相加，以获取所述目标组织融合特征。

3.根据权利要求2所述的医学图像分割模型，其特征在于，所述双通道单元包括第三卷积层、第一子通道单元、第二子通道单元和第一合并层，所述第三卷积层用于对最深层的所述编码器的输出结果依次进行卷积操作、批归一化操作和激活操作；所述第一子通道单元包括x向平均池化层和第四卷积层，所述x向平均池化层用于对所述第三卷积层的输出结果进行x向的最大池化操作，所述第四卷积层用于对所述x向平均池化层的输出结果依次进行卷积操作和批归一化操作，以获取x向目标组织特征；所述第二子通道单元包括y向平均池化层和第五卷积层，所述y向平均池化层用于对所述第三卷积层的输出结果进行y向的最大池化操作，所述第五卷积层用于对所述y向平均池化层的输出结果依次进行卷积操作和批归一化操作，以获取y向目标组织特征；所述第一合并层用于对所述x向目标组织特征、所述y向目标组织特征和所述第三卷积层的输出结果进行相加。

4.根据权利要求2所述的医学图像分割模型，其特征在于，所述拼接单元包括第一激活层、第二激活层、第六卷积层、第七卷积层和第二拼接层，所述第一激活层用于对所述第一拼接层的输出结果进行激活操作，所述第六卷积层用于对所述第一激活层的输出结果依次进行卷积操作、批归一...

【专利技术属性】
技术研发人员：杨洋，崔晨，石思远，董发进，
申请(专利权)人：上海微创卜算子医疗科技有限公司，
类型：发明
国别省市：