医学超声图像分割方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111429451A(43)申请公布日2020.07.17(21)申请号202010294217.3(22)申请日2020.04.15(71)申请人深圳市嘉骏实业有限公司地址518000广东省深圳市坪山区坑梓街道秀新社区聚龙山A路深城投创意工厂生命科学园厂房B4101、B4201、B4301(72)发明人张官喜(74)专利代理机构深圳市精英专利事务所44242代理人黄文锋(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)权利要求书2页说明书8页附图4页(54)发明名称医学超声图像分割方法及装置(57)摘要本发明提供了一种医学超声图像分割方法及装置，所述方法包括，利用超声扫描设备获取人体超声图像；对语义分割模型进行训练，得到语义分割预测模型；根据语义分割预测模型，对待检测图像进行分割；对分割的待检测图像进行优化处理，得到最终的目标区域。本发明的有益效果在于：通过将深度学习方法与传统图像处理方法相结合，可以有效解决超声图像信噪比比较低时容易产生的分割不准确的问题，能提高膀胱超声图像的分割精度，提高算法的抗干扰性能。CN111429451ACN111429451A权利要求书1/2页1.一种医学超声图像分割方法，其特征在于：包括，S10、利用超声扫描设备获取人体超声图像；S20、对语义分割模型进行训练，得到语义分割预测模型；S30、根据语义分割预测模型，对待检测图像进行分割；S40、对分割的待检测图像进行优化处理，得到最终的目标区域。2.如权利要求1所述的医学超声图像分割方法，其特征在于：所述步骤S20中，对语义分割模型进行训练，得到语义分割预测模型，包括，S21、对获取的人体超声图像，进行尺寸归一化；S22、选取一定比例的尺寸归一化之后的人体超声图像，作为训练集；S23、对训练集的人体超声图像进行标注；S24、将训练集的人体超声图像及标注结果，作为语义分割模型的输入，对模型进行训练，得到语义分割预测模型。3.如权利要求2所述的医学超声图像分割方法，其特征在于：所述步骤S10中，获取的所述人体超声图像中至少包括1个目标区域。4.如权利要求3所述的医学超声图像分割方法，其特征在于：步骤S23中，对训练集的人体超声图像进行标注，标注结果至少包含两类区域，其中一类是目标区域。5.如权利要求4所述的医学超声图像分割方法，其特征在于：所述标注结果中至少包含人体超声图像中每个像素的类别信息以及目标区域相关的坐标信息。6.如权利要求1所述的医学超声图像分割方法，其特征在于：步骤S30中，根据语义分割预测模型，对待检测图像进行分割，包括，S31、对待预测人体超声图像进行尺寸归一化；S32、将归一化后的人体超声图像，输入训练好的语义分割模型中，进行分割。7.如权利要求6所述的医学超声图像分割方法，其特征在于：分割结果中至少包含人体超声图像中每个像素的类别信息以及目标区域相关的坐标信息。8.如权利要求1所述的医学超声图像分割方法，其特征在于：步骤S40中，对分割结果进行优化处理，得到最终的目标区域，包括，先对分割结果进行优化处理，然后再将处理后的分割结果映射到原始图像上，得到最终的目标区域；或者先将分割结果映射到原始图像上，然后再对原始图上的分割结果进行优化处理，得到最终的目标区域。9.如权利要求8所述的医学超声图像分割方法，其特征在于：所述对分割结果进行优化处理，包括，检测分割结果的边界，获取边界坐标，所述分割结果的边界为分割结果中，目标区域与非目标区域的分界线；根据分割结果的边界坐标和原始人体超声图像的像素值，对分割结果的边界进行优化，得到最终的目标区域。10.一种医学超声图像分割装置，其特征在于：包括，图像获取模块，用于利用超声扫描设备获取人体超声图像；模型训练模块，用于对语义分割模型进行训练，得到语义分割预测模型；图像分割模块，用于根据语义分割预测模型，对待检测图像进行分割；2CN111429451A权利要求书2/2页目标区域获取模块，用于对分割的待检测图像进行优化处理，得到最终的目标区域。3CN111429451A说明书1/8页医学超声图像分割方法及装置技术领域[0001]本发明涉及图像分割领域，尤其是指一种医学超声图像分割方法及装置。背景技术[0002]图像分割在影像学诊断中具有重要的作用，自动分割能帮助医生快速确定器官或者病变的大小和位置，能够减少医生手工标注所带来的繁重工作量。[0003]膀胱是人体内储存尿液的肌性囊状器官，膀胱容积的大小反映了人体能够储存尿量的多少，同时也是是泌尿科临床应用的重要参数。在泌尿系统诊断和治疗中，人体膀胱残余尿液容积和膀胱充盈尿液容积的测量结果，是医生诊断病例的重要参考依据。利用超声设备对膀胱