医学图像分割方法、系统、计算机设备以及存储介质与流程

本技术涉及图像分割的，尤其是涉及一种医学图像分割方法、系统、计算机设备以及存储介质。

背景技术：

1、目前，随着计算机技术和医学影像技术的发展，由于医学图像分割方法能够满足精确诊断和治疗需求以及提高自动化分析效率，医学图像分割技术逐渐成为医学影像分析中的关键技术之一。

2、现有的，医学图像分割技术主要采用阈值法、区域生长法和形态学方法，由于阈值法、区域生长法和形态学方法均依赖于图像的灰度值和局部特征，使得这些现有的医学图像分割方法对图像噪声较为敏感，在处理复杂结构时效果有限，导致图像分割精度不足，而使用现有的医学图像分割方法处理细小的解剖结构（如气道和血管）时，气道和血管在图像上过于细密，使用现有的医学图像分割方法难以正确识别每条气道和血管，进而提高了图像分割难度，限制了医学图像分割技术在医学影像分析中的应用。

3、上述中的现有技术方案存在以下缺陷：传统的医学图像分割方法的分割精度较低，因此存在改善空间。

技术实现思路

1、为了提高医学图像分割的精度，本技术提供一种医学图像分割方法、系统、计算机设备以及存储介质。

2、本技术的上述发明目的一是通过以下技术方案得以实现的：

3、一种医学图像分割方法，所述医学图像分割方法包括：

4、获取肺部检测图像，利用预设卷积神经网络对所述肺部检测图像进行初步分割，得到初步分割结果，然后通过多尺度特征融合和注意力机制对所述初步分割结果进行优化，得到优化分割结果；

5、依次利用条件随机场和形态学操作对所述优化分割结果进行调整，得到标准分割结果；

6、获取解剖先验图像，根据所述解剖先验图像对所述标准分割结果进行类型筛选，并根据筛选结果生成图像分割报告。

7、通过采用上述技术方案，通过利用预设卷积神经网络对肺部检测图像进行初步分割，可以充分发挥深度学习模型在特征提取和图像分割方面的优势，确保初步分割结果的精度和细节完整性，通过多尺度特征融合，能够同时处理图像中的不同尺度和大小的结构，尤其是对肺部细小结构的检测能力显著增强，通过注意力机制，能够更加专注于图像中的关键区域和重要特征通道，从而进一步提高分割的精确度，使模型能够更好地识别和分割出肺部的细小结构；通过条件随机场模型考虑像素之间的空间关系和上下文信息，能够有效地优化分割边界，使其更加平滑和准确，提升分割的精度和连贯性，通过形态学操作进一步对调整后的分割结果进行处理，剔除不需要的杂质数据，使分割结果更加平滑和准确；通过获取解剖先验图像，并根据解剖先验图像对标准分割结果进行类型筛选，能够有效识别和分类出气道和血管等不同类型的解剖结构，根据筛选结果生成的图像分割报告，提供了详细的分割区域的统计信息和定量分析，为临床医生提供了可靠的参考依据。

8、本技术在一示例中可以进一步配置为：所述利用预设卷积神经网络对所述肺部检测图像进行初步分割，得到初步分割结果，然后通过多尺度特征融合和注意力机制对所述初步分割结果进行优化，具体包括：

9、采用unet结构的卷积神经网络对所述肺部检测图像进行图像分割，得到所述初步分割结果；

10、在所述卷积神经网络中引入特征金字塔网络以进行多尺度特征融合；

11、通过自注意力机制，以增强对肺部细小结构的检测能力，通过注意力机制，以增强对不同特征通道的选择性关注。

12、通过采用上述技术方案，通过利用unet结构的卷积神经网络对肺部检测图像进行分割，充分发挥unet在医学图像分割中的优势，引入特征金字塔网络进行多尺度特征融合，使得模型能够有效处理不同尺度的结构，特别是肺部的细小结构；通过自注意力机制和通道注意力机制的应用，进一步增强了模型对重要特征的关注，提高了分割结果的精细度和准确性。

13、本技术在一示例中可以进一步配置为：所述unet结构的卷积神经网络具体包括：

14、采用对称的编码器和解码器结构，所述编码器逐步下采样输入图像以提取特征，所述解码器部分逐步上采样以恢复分辨率；

15、在所述编码器和所述解码器之间建立跳跃连接，以融合不同层次的特征，提高分割精度。

16、通过采用上述技术方案，通过对称编码器和解码器结构，使模型能够逐层提取和恢复特征，确保分割结果具有高分辨率和准确性；通过跳跃连接融合编码器和解码器之间的不同层次特征，提升了分割精度，使得分割模型能够更好地捕捉到图像中的细节和边缘信息。

17、本技术在一示例中可以进一步配置为：所述依次利用条件随机场和形态学操作对所述优化分割结果进行调整，得到标准分割结果，具体包括：

18、利用条件随机场模型对所述优化分割结果的边界进行精细调整，并应用所述条件随机场模型的空间上下文信息提高分割结果的准确性，得到所述调整分割结果；

19、采用形态学操作对所述调整分割结果中的杂质数据进行剔除，得到所述标准分割结果。

20、通过采用上述技术方案，通过条件随机场模型对优化分割结果的边界进行精细调整，有效利用空间上下文信息来提高分割结果的准确性和连贯性，条件随机场模型通过迭代计算和最大化标签间的联合概率，优化分割结果的边界，使其更加准确和光滑；通过形态学操作如膨胀和腐蚀，连接相邻分割区域和去除小型噪声区域，进一步提升了分割结果的连贯性和准确性。

21、本技术在一示例中可以进一步配置为：所述采用形态学操作对所述调整分割结果中的杂质数据进行剔除，具体包括：

22、通过膨胀操作以连接相邻的分割区域，并填充内部小孔；

23、通过腐蚀操作以去除小型噪声区域，并收缩分割边界。

24、通过采用上述技术方案，通过形态学操作中的膨胀和腐蚀步骤，有效地连接相邻的分割区域并填充内部的小孔，从而使分割结果更加完整和连贯，同时，腐蚀操作有助于去除小型噪声区域并收缩分割边界，使得最终的分割结果更加平滑和准确。

25、本技术在一示例中可以进一步配置为：所述获取解剖先验图像，根据所述解剖先验图像对所述标准分割结果进行类型筛选，并根据筛选结果生成图像分割报告，具体包括：

26、结合先验知识图像对所述标准分割结果进行类型筛选，得到所述标准分割结果对应的气道信息和血管信息；

27、根据所述气道信息和所述血管信息，生成所述图像分割报告。

28、通过采用上述技术方案，通过解剖先验图像对标准分割结果进行类型筛选，有效利用解剖学知识提高分割结果的准确性，通过识别和分类气道信息和血管信息，能够生成详细的图像分割报告，为临床医生提供有价值的参考。

29、本技术的上述发明目的二是通过以下技术方案得以实现的：

30、一种医学图像分割装置，所述医学图像分割装置包括：

31、分割优化模块，用于获取肺部检测图像，利用预设卷积神经网络对所述肺部检测图像进行初步分割，得到初步分割结果，然后通过多尺度特征融合和注意力机制对所述初步分割结果进行优化，得到优化分割结果；

32、分割调整模块，用于依次利用条件随机场和形态学操作对所述优化分割结果进行调整，得到标准分割结果；

33、报告生成模块，用于获取解剖先验图像，根据所述解剖先验图像对所述标准分割结果进行类型筛选，并根据筛选结果生成图像分割报告。

34、通过采用上述技术方案，通过利用预设卷积神经网络对肺部检测图像进行初步分割，可以充分发挥深度学习模型在特征提取和图像分割方面的优势，确保初步分割结果的精度和细节完整性，通过多尺度特征融合，能够同时处理图像中的不同尺度和大小的结构，尤其是对肺部细小结构的检测能力显著增强，通过注意力机制，能够更加专注于图像中的关键区域和重要特征通道，从而进一步提高分割的精确度，使模型能够更好地识别和分割出肺部的细小结构；通过条件随机场模型考虑像素之间的空间关系和上下文信息，能够有效地优化分割边界，使其更加平滑和准确，提升分割的精度和连贯性，通过形态学操作进一步对调整后的分割结果进行处理，剔除不需要的杂质数据，使分割结果更加平滑和准确；通过获取解剖先验图像，并根据解剖先验图像对标准分割结果进行类型筛选，能够有效识别和分类出气道和血管等不同类型的解剖结构，根据筛选结果生成的图像分割报告，提供了详细的分割区域的统计信息和定量分析，为临床医生提供了可靠的参考依据。

35、本技术的上述目的三是通过以下技术方案得以实现的：

36、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述医学图像分割方法的步骤。

37、本技术的上述目的四是通过以下技术方案得以实现的：

38、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述医学图像分割方法的步骤。

39、综上所述，本技术包括以下有益技术效果：

40、1、通过利用预设卷积神经网络对肺部检测图像进行初步分割，可以充分发挥深度学习模型在特征提取和图像分割方面的优势，确保初步分割结果的精度和细节完整性，通过多尺度特征融合，能够同时处理图像中的不同尺度和大小的结构，尤其是对肺部细小结构的检测能力显著增强，通过注意力机制，能够更加专注于图像中的关键区域和重要特征通道，从而进一步提高分割的精确度，使模型能够更好地识别和分割出肺部的细小结构；通过条件随机场模型考虑像素之间的空间关系和上下文信息，能够有效地优化分割边界，使其更加平滑和准确，提升分割的精度和连贯性，通过形态学操作进一步对调整后的分割结果进行处理，剔除不需要的杂质数据，使分割结果更加平滑和准确；通过获取解剖先验图像，并根据解剖先验图像对标准分割结果进行类型筛选，能够有效识别和分类出气道和血管等不同类型的解剖结构，根据筛选结果生成的图像分割报告，提供了详细的分割区域的统计信息和定量分析，为临床医生提供了可靠的参考依据；

41、2、通过利用unet结构的卷积神经网络对肺部检测图像进行分割，充分发挥unet在医学图像分割中的优势，引入特征金字塔网络进行多尺度特征融合，使得模型能够有效处理不同尺度的结构，特别是肺部的细小结构；通过自注意力机制和通道注意力机制的应用，进一步增强了模型对重要特征的关注，提高了分割结果的精细度和准确性；

42、3、通过条件随机场模型对优化分割结果的边界进行精细调整，有效利用空间上下文信息来提高分割结果的准确性和连贯性，条件随机场模型通过迭代计算和最大化标签间的联合概率，优化分割结果的边界，使其更加准确和光滑；通过形态学操作如膨胀和腐蚀，连接相邻分割区域和去除小型噪声区域，进一步提升了分割结果的连贯性和准确性。