肺部CT图像分割方法、装置、电子设备及存储介质与流程

本申请涉及图像处理，尤其涉及到一种肺部ct图像分割方法、装置、电子设备及存储介质。

背景技术：

1、随着电子计算机断层扫描(computed tomography，ct)技术逐步发展，肺部ct图像成为筛查肺部流行病以及肺部病变的有效工具，有助于对严重程度的定级和疾病进展进行评估。

2、目前普遍采用人工智能(artificial intelligence，ai)技术在肺部ct图像中进行肺炎病灶区域的分割处理。然而由于肺炎病灶具有不连续性，且肺炎病灶区域边界具有毛玻璃影(对比度低且较模糊)，难以与正常组织区分，现有的医学影像分割方法难以捕捉到肺炎病灶区域周围的分散点，无法实现对肺炎病灶区域的准确分割，进而无法为临床诊断提供准确、有效的医疗诊断依据。

技术实现思路

1、本发明提供一种肺部ct图像分割方法、装置、电子设备及存储介质，可实现对肺炎病灶区域的准确分割，为临床诊断提供准确、有效的医疗诊断依据。

2、第一方面，提供一种肺部ct图像分割方法，包括：

3、对肺部ct图像进行图像预处理，得到目标肺部ct图像，图像预处理至少包括ct值归一化处理以及图像扩增处理；

4、将目标肺部ct图像输入特征编码器，得到编码特征图像以及特征编码器的多个网络层中每个网络层输出的多维特征图像；

5、对多个网络层的多维特征图像进行跨层特征融合处理，得到每个网络层的跳跃连接特征图像；

6、利用特征解码器对编码特征图像以及跳跃连接特征图像进行特征解码融合处理，得到肺部ct图像中肺部病灶区域的分割图像。

7、第二方面，提供一种肺部ct图像分割装置，包括：

8、第一处理模块，用于对肺部ct图像进行图像预处理，得到目标肺部ct图像，图像预处理至少包括ct值归一化处理以及图像扩增处理；

9、输入模块，用于将目标肺部ct图像输入特征编码器，得到编码特征图像以及特征编码器的多个网络层中每个网络层输出的多维特征图像；

10、第二处理模块，用于对多个网络层的多维特征图像进行跨层特征融合处理，得到每个网络层的跳跃连接特征图像；

11、第三处理模块，用于利用特征解码器对编码特征图像以及跳跃连接特征图像进行特征解码融合处理，得到肺部ct图像中肺部病灶区域的分割图像。

12、第三方面，提供一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，该处理器用于调用并运行该存储器中存储的计算机程序，执行如第一方面或其各实现方式中的方法。

13、第四方面，提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

14、通过本发明提供的技术方案，在获取包含肺部病灶区域的肺部ct图像后，可首先对肺部ct图像进行ct值归一化处理以及图像扩增的预处理，以使预处理后得到的目标肺部ct图像能够更好的反映肺炎区域特征；之后可将目标肺部ct图像输入特征编码器，得到编码特征图像以及特征编码器的多个网络层中每个网络层输出的多维特征图像；进一步对多个网络层的多维特征图像进行跨层特征融合处理，得到每个网络层的跳跃连接特征图像；最后，利用特征解码器对编码特征图像以及跳跃连接特征图像进行特征解码融合处理，得到肺部ct图像中肺部病灶区域的分割图像。本发明中的技术方案，通过在每个网络层进行不同分辨率下多维特征的提取，可以有效提取病灶隐藏特征。通过跨层特征融合，可利用多个网络层的多维特征提高远程关系捕捉的能力，提升对肺炎边缘区域的磨玻璃影分割的精准度，进而实现对肺炎病灶区域的准确分割。

15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种肺部ct图像分割方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述特征编码器包括n个第一网络层，每个所述第一网络层对应配置的通道数量不同，且所述通道数量在所述n个第一网络层中逐层递增，所述n个第一网络层的前n-1个第一网络层中分别包含一个结构化卷积块和一个三维引导注意模块，第n个第一网络层中包含一个结构化卷积块，所述n个第一网络层的层间采用平均池化方法进行下采样；

3.根据权利要求2所述的方法，其特征在于，所述对于所述前n-1个第一网络层中的任意一个第一网络层，利用其中配置的所述结构化卷积块和所述三维引导注意模块，对第一输入特征图像进行多个维度的权重编码，得到当前第一网络层对应配置通道数量下的多维特征图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述水平注意图像、所述垂直注意图像以及所述通道注意图像进行权重编码，得到当前第一网络层对应配置通道数量下的多维特征图像，包括：

5.根据权利要求2所述的方法，其特征在于，所述对所述多个网络层的所述多维特征图像进行跨层特征融合处理，得到所述每个网络层的跳跃连接特征图像，包括：

6.根据权利要求5所述的方法，其特征在于，所述对于所述前n-1个第一网络层中的任意一个第一网络层，基于跨层特征融合注意方法融合当前第一网络层输出的多维特征图像与所述当前第一网络层对应的高层级特征图像，得到所述当前第一网络层的跳跃连接特征图像，包括：

7.根据权利要求5所述的方法，其特征在于，所述特征解码器包括n个第二网络层，每个所述第二网络层对应配置的通道数量不同，且所述通道数量在所述n个第二网络层中逐层递减；

8.一种肺部ct图像分割装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1-7中任一项所述的方法。

技术总结本申请提供了一种肺部CT图像分割方法、装置、电子设备及存储介质，涉及图像处理技术领域，包括：对肺部CT图像进行图像预处理，得到目标肺部CT图像，图像预处理至少包括CT值归一化处理以及图像扩增处理；将目标肺部CT图像输入特征编码器，得到编码特征图像以及特征编码器的多个网络层中每个网络层输出的多维特征图像；对多个网络层的多维特征图像进行跨层特征融合处理，得到每个网络层的跳跃连接特征图像；利用特征解码器对编码特征图像以及跳跃连接特征图像进行特征解码融合处理，得到肺部CT图像中肺部病灶区域的分割图像。本申请可基于深度学习的远程关系建模网络，实现对肺炎区域的精准分割。技术研发人员：潘俊男,陈德彦,张霞,彭成宝受保护的技术使用者：沈阳东软智能医疗科技研究院有限公司技术研发日：技术公布日：2024/7/29