一种医疗图像待切割目标切割轨迹生成方法和装置制造方法及图纸

本发明专利技术属于计算机视觉技术领域，提供一种医疗图像待切割目标切割轨迹生成方法和装置，该方法包括：获取待处理图像，所述待处理图像包括胸部X光图像、心脏MRI图像、皮肤镜检测图像；选取待处理图像的初始点，并以初始点作为导航代理的起点，引导所述导航代理生成轨迹点，直到生成包含待切割目标的切割轨迹为止；根据所生成的轨迹点与每次采样操作相对应的采样区域，实时计算确定每次采样的偏差，矫正每次采样方向，在待处理图像上生成切割轨迹的同时，优化所生成的切割轨迹以切割后得到包含待切割目标的目标图像。本发明专利技术解决了现有医学图像中分割区域等不稳定的问题，显著提高了待切割目标的分割精度和稳定性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，特别涉及一种医疗图像待切割目标切割轨迹生成方法和装置。

技术介绍

1、深度学习在医疗图像分割领域的应用是近年来医学成像和人工智能交叉领域的一个重要进展。这种技术使用复杂的神经网络模型，尤其是卷积神经网络(cnn)，来自动识别和分割医学图像中的特定结构，如器官、肿瘤或其他生理特征。

2、现有方法虽然在已经达到了一定分割精度，但仍存在以下问题。由于生成的分割边界不够平滑，在提取其所处位置周围矩形区域的像素信息后，通常直接利用训练好的神经网络来预测下一步的位移。但这一过程的预测是独立于上一步位移进行的，因此，在最终的结果中，所生成的轨迹存在不够平滑进而影响最终图像分割的精度。此外，利用神经网络学习图像块信息与位移信息之间的对应关系，经过训练的神经网络便能指导“代理”在待分割的图像上进行移动，其本质上可以被理解为对微分方程进行数值求解的过程。这类数值方法通常会伴随着累积误差，这种误差主要是由离散系统和连续系统之间的差异引起的。因此，存在因神经网络方法引入由离散系统和连续系统之间的差异导致的累积误差而导致分割精度低的问题。...

【技术保护点】

1.一种医疗图像待切割目标切割轨迹生成方法，其特征在于，包括：

2.根据权利要求1所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，进一步包括：

3.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，进一步包括：

4.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，

5.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，

6.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，进一步包括：

7.根据权利要求1所述的医疗图像待切割目标切割轨迹生...

【技术特征摘要】

1.一种医疗图像待切割目标切割轨迹生成方法，其特征在于，包括：

2.根据权利要求1所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，进一步包括：

3.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，进一步包括：

4.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，

5.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法，其特征在于，

6.根据权利要求2所述的医疗图像待切割目标切割轨迹生成方法...

【专利技术属性】
技术研发人员：莫元汉，徐磊，周振，李翔，郭毅可，刘芳德，杨光，范小平，王烁，
申请(专利权)人：首都医科大学附属北京安贞医院，
类型：发明
国别省市：