[发明专利]肿瘤图像分割方法、装置及终端设备

说明书

本发明实施例提供一种肿瘤图像分割方法、装置及终端设备，该方法包括：获取待分割图像，其中待分割图像包括肿瘤区域，将待分割图像输入至目标全卷积网络模型中，以使目标全卷积网络模型对待分割图像进行图像分割，并输出待分割图像对应的分割结果，其中分割结果是根据目标全卷积网络模型中的多个卷积层输出的结果和/或多个池化层输出的结果确定的，其中分割结果包括肿瘤区域在待分割图像中的位置信息和边界信息中的至少一种，从而实现图像的自动分割，以及实现肿瘤区域相关信息的自动确定，避免出现由于医生经验不足导致手动分割得到的肿瘤区域的具体信息与实际信息误差较大的情况。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种肿瘤图像分割方法、装置及终端设备。

背景技术

肝脏作为人体腹腔内最大的实质性气管，解剖结构复杂，疾病种类繁多，其中肝癌是国内最为普遍的消化道恶性肿瘤之一。随着超声、计算机断层扫描(ComputedTomography，简称CT)、磁共振等检查设备在临床中的应用，利用影像学进行疾病的诊断，可以较早地诊断出患者肝脏肿瘤的具体信息，例如，肝脏肿瘤的位置，从而可以及时采取治疗措施以避免肝脏肿瘤的下一步恶化，减少肝病患者的死亡率。为了方便医生的诊断，通常需要对肝脏肿瘤影像进行图像分割，以得到肝脏肿瘤影像中的肿瘤区域的具体信息。

现有技术中，在对肝脏肿瘤影像进行图像分割时，一般是由医生凭借自身的经验来将肝脏肿瘤影像上的肿瘤区域与非肿瘤区域进行区分，然后确定出肿瘤区域的位置信息等具体信息，实现图像的手动分割。

然而，发明人发现现有技术中至少存在如下问题：肝脏肿瘤影像中肝脏区域内具有静脉、肝门静脉、肝部胆管等多种管道系统，结构比较复杂，在医生对肝脏肿瘤影像进行手动分割时，经常会出现由于医生经验不足等原因导致手动分割得到的肿瘤区域的具体信息与实际信息误差较大的情况，分割精度低。

发明内容

本发明实施例提供一种肿瘤图像分割方法、装置及终端设备，以提高图像分割精度。

第一方面，本发明实施例提供一种肿瘤图像分割方法，包括：

获取待分割图像，其中所述待分割图像包括肿瘤区域；

将所述待分割图像输入至目标全卷积网络模型中，以使所述目标全卷积网络模型对所述待分割图像进行图像分割，并输出所述待分割图像对应的分割结果，其中所述分割结果是根据所述目标全卷积网络模型中的多个卷积层输出的结果和/或多个池化层输出的结果确定的；

其中所述分割结果包括所述肿瘤区域在所述待分割图像中的位置信息和边界信息中的至少一种。

在一种可能的设计中，在所述将所述待分割图像输入至预设训练后的全卷积网络模型中之前，还包括：

获取训练样本图像和验证样本图像，其中所述训练样本图像和所述验证样本图像均为具有标注信息的肿瘤图像；

根据所述训练样本图像对初始网络模型进行训练，得到训练后的初始网络模型；

将所述验证样本图像输入至所述训练后的初始网络模型中，以使所述初始网络模型对所述验证样本图像进行图像分割，并输出所述验证样本图像对应的预测分割结果，其中所述预测分割结果包括以下中的至少一种：所述验证样本图像中的肿瘤区域的位置信息、所述验证样本图像中的肿瘤区域的边界信息；

根据所述预测分割结果与所述验证样本图像对应的标注信息进行分割精确度计算，得到模型评估指标值；

若所述模型评估指标值满足预设条件，则将所述训练后初始网络模型作为所述目标全卷积网络模型。

在一种可能的设计中，所述初始网络模型包括多个依次连接的组合层，其中所述组合层包括至少两个连接的卷积层和池化层，所述至少两个连接的卷积层和池化层连接。