一种肺癌CT样本数据智能分割方法及装置与流程

本发明涉及图像处理，具体涉及一种肺癌ct样本数据智能分割方法及装置。

背景技术：

1、肺癌是世界上最流行的癌症，临床医生必须使用患者的病理细胞作为肺癌诊断和评级的标准。正常情况下,病理细胞将通过肺活检获得。为了使外科医生能够准确地将活检针插入肿瘤所在的肺叶,术前手术计划要求对肺的五个裂片进行精确的分割。肺被分成五个裂片,包括右肺由一个小裂纹和一个大裂纹分为三个裂片,即右上肺叶、右中肺叶和右下肺叶,而左肺由一个大裂纹分为两个裂片,即左上肺叶和左下肺叶。

2、因此对应肺癌ct图像的分割不仅需要将左右肺部的外边缘与背景分割，还要根据裂纹对各裂片进行精确的分割，导致肺癌ct图像分割存在分割边缘模糊和噪声干扰问题多的问题，严重影响肺癌ct图像的分割的精度。

技术实现思路

1、本发明的目的就在于解决上述背景技术的问题，而提出一种前列腺mri图像的分割方法、装置、电子设备以及存储介质。

2、本发明的目的可以通过以下技术方案实现：

3、本发明实施例提供了一种肺癌ct样本数据智能分割方法，所述方法包括：

4、获取待分割的肺癌ct原始图像，将所述肺癌ct原始图像进行预设数目次连续下采样，得到目标采样图像和各被下采样的图像对应的目标图像特征；所述图像特征包括所述预设数目个图像尺寸不同的图像特征，每一图像特征均结合空间注意力机制和通道注意力机制获得；

5、将所述目标采样图像与所述图像特征中对应尺寸的图像特征组合并进行预设数目次连续上采样，得到边缘轮廓图像；

6、根据所述边缘轮廓图像对所述肺癌ct原始图像进行分割，得到肺部五个裂片对应的分割图像。

7、可选的，将所述肺癌ct原始图像进行预设数目次连续下采样，得到目标采样图像和各次被下采样图像对应的目标图像特征包括：

8、将第一原始图像进行预处理得到第一图像，提取所述第一图像的图像特征，将所述第一图像进行下采样得到第一目标图像；所述第一原始图像依次为所述肺癌ct原始图和各次采样得到的第一目标图像；所述目标采样图像为连续四次下采样后的图像。

9、可选的，提取所述第一图像的图像特征包括：

10、提取所述第一图像的特征作为原始特征，将所述原始特征分别进行平均池化和最大池化，得到平均池化特征和最大池化特征；

11、根据预设空间注意系数、平均池化特征和最大池化特征确定空间注意权重图，将所述空间注意权重图乘以所述原始特征得到空间注意特征图；

12、根据预设通道注意系数、平均池化特征和最大池化特征确定通道注意权重图，将所述通道注意权重图乘以所述原始特征得到通道注意特征图；

13、将所述通道注意特征图和所述空间注意特征图连接得到所述第一图像的图像特征。

14、可选的，将所述目标采样图像与所述图像特征中对应尺寸的图像特征组合并进行预设数目次连续上采样，得到边缘轮廓图像包括：

15、将所述目标采样图像进行预处理得到第二图像，将所述第二图像进行上采样得到第三图像；

16、将第二原始图像与所述图像特征中对应尺寸的图像特征组合，得到第四图像，将所述第四图像进行预处理得到第五图像，对所述第五图像进行上采样得到第二目标图像；所述第二原始图像依次为所述第三图像和各次采样得到的第二目标图像；

17、将第四次上采样得到图像作为待输出图像，将所述待输出图像进行预处理得到边缘轮廓图像。

18、可选的，对各图像进行预处理具体为将各图像连续通过两个残差模块处理。

19、本发明实施例第二方面还提供了一种肺癌ct样本数据智能分割装置，所述分割装置包括：

20、编码模块，用于获取待分割的肺癌ct原始图像，将所述肺癌ct原始图像进行预设数目次连续下采样，得到目标采样图像和各被下采样的图像对应的目标图像特征；所述图像特征包括所述预设数目个图像尺寸不同的图像特征，每一图像特征均结合空间注意力机制和通道注意力机制获得；

21、解码模块，用于将所述目标采样图像与所述图像特征中对应尺寸的图像特征组合并进行预设数目次连续上采样，得到边缘轮廓图像；

22、分割模块，用于根据所述边缘轮廓图像对所述肺癌ct原始图像进行分割，得到肺部五个裂片对应的分割图像。

23、可选的，所述编码模块具体用于：

24、将第一原始图像进行预处理得到第一图像，提取所述第一图像的图像特征，将所述第一图像进行下采样得到第一目标图像；所述第一原始图像依次为所述肺癌ct原始图和各次采样得到的第一目标图像；所述目标采样图像为连续四次下采样后的图像。

25、可选的，所述编码模块包括特征提取模块；所述特征提取模块包括特征提取子模块、池化模块、空间注意模块、通道注意模块和连接模块，包括：

26、所述特征提取子模块，用于提取所述第一图像的特征作为原始特征；

27、所述池化模块，用于将所述原始特征分别进行平均池化和最大池化，得到平均池化特征和最大池化特征；

28、所述空间注意模块，用于根据预设空间注意系数、平均池化特征和最大池化特征确定空间注意权重图，将所述空间注意权重图乘以所述原始特征得到空间注意特征图；

29、所述通道注意模块，用于根据预设通道注意系数、平均池化特征和最大池化特征确定通道注意权重图，将所述通道注意权重图乘以所述原始特征得到通道注意特征图；

30、所述连接模块，用于将所述通道注意特征图和所述空间注意特征图连接得到所述第一图像的图像特征。

31、可选的，所述解码模块包括第一上采样模块、第二上采样模块和输出模块；其中：

32、所述第一上采样模块，用于将所述目标采样图像进行预处理得到第二图像，将所述第二图像进行上采样得到第三图像；

33、所述第二上采样模块，用于将第二原始图像与所述图像特征中对应尺寸的图像特征组合，得到第四图像，将所述第四图像进行预处理得到第五图像，对所述第五图像进行上采样得到第二目标图像；所述第二原始图像依次为所述第三图像和各次采样得到的第二目标图像；

34、所述输出模块，用于将第四次上采样得到图像作为待输出图像，将所述待输出图像进行预处理得到边缘轮廓图像。

35、可选的，所述解码模块和所述解码模块均包括预处理模块，所述预处理模块包括两个连续的残差模块，用于对图像进行预处理。

36、本发明的有益效果：

37、本发明实施例提供的一种肺癌ct样本数据智能分割方法，获取待分割的肺癌ct原始图像，将肺癌ct原始图像进行预设数目次连续下采样，得到目标采样图像和各被下采样的图像对应的目标图像特征；图像特征包括预设数目个图像尺寸不同的图像特征每一图像特征均结合空间注意力机制和通道注意力机制获得；将目标采样图像与图像特征中对应尺寸的图像特征组合并进行预设数目次连续上采样，得到边缘轮廓图像；根据边缘轮廓图像对肺癌ct原始图像进行分割，得到肺部五个裂片对应的分割图像。上述方法了改进u-net神经网络，通过结合空间注意力机制和通道注意力机制提取图像特征，解决了分割边缘模糊和噪声干扰问题多的问题，提高肺癌ct图像的分割的精度。