[发明专利]头颈部器官影像分割方法、装置、电子设备和存储介质

说明书

本发明提供一种头颈部器官影像分割方法、装置、电子设备和存储介质，其中方法包括：确定待分割的头颈部影像中的器官区域图像；将所述器官区域图像输入至像素分割模型，得到所述像素分割模型输出的器官分割结果；所述像素分割模型是基于样本器官区域图像及其像素级分割标签训练得到的，所述像素分割模型包括残差结构下的主流网络和支流网络，所述支流网络通过线性插值提取所述器官区域图像的细微特征，并基于所述细微特征进行像素分割，解决了传统方法提取特征时，在多次增大感受野的情况下对细小器官的细微特征无法捕捉特征的问题，实现了对细微特征的提取，从而能够对器官区域图像进行准确的像素分割。

技术领域

本发明涉及医学影像领域，尤其涉及一种头颈部器官影像分割方法、装置、电子设备和存储介质。

背景技术

多尺度头颈部器官图像分割技术利用CT(Computed Tomography,电子计算机断层扫描)影像的边缘特征和结构特征，通过像素值高低的分布信息，推算出CT影像中器官的位置和分类。这一技术在放射治疗领域具有很高的应用价值。

U-Net是一种基于深度学习的图像语义分割方法，尤其在医学图像分割中表现优异。传统的U-Net结构方法利用卷积核提取会使感受野成倍增加的特点，通过encoder-decoder(编码-解码)的形式收集并浓缩关键的特征信息，然后通过层层解码还原器官轮廓，并对其进行像素级分割。

但是，由于扩大感受野的过程是加权后求和，所以在U-Net架构中被扩大32倍的感受野不可避免地会将细小对象的特征忽略。此外，最终得到的特征图的解码也增加了多尺度器官分割的难度。

发明内容

本发明提供一种头颈部器官影像分割方法、装置、电子设备和存储介质，用以解决现有技术中U-Net架构卷积神经网络在多次增大感受野的情况下对细小器官的细微特征无法捕捉特征的问题，实现了对细微特征的提取，从而能够对器官区域图像进行准确的像素分割。

本发明提供一种头颈部器官影像分割方法，包括：

确定待分割的头颈部影像中的器官区域图像；

将所述器官区域图像输入至像素分割模型，得到所述像素分割模型输出的器官分割结果；

所述像素分割模型是基于样本器官区域图像及其像素级分割标签训练得到的，所述像素分割模型包括残差结构下的主流网络和支流网络，所述支流网络通过线性插值提取所述器官区域图像的细微特征，并基于所述细微特征进行像素分割。

根据本发明提供的一种头颈部器官影像分割方法，所述支流网络包括插值编码层和池化解码层；

其中，所述插值编码层包括串联的多个尺度逐个增大的插值编码模块，所述池化解码层包括串联的多个尺度逐个减小的池化解码模块；

所述插值编码模块输出的细微特征输入下一插值编码模块以及对应尺度下的池化解码模块。

根据本发明提供的一种头颈部器官影像分割方法，所述插值编码层用于对输入的细微特征进行线性插值、卷积和激活。

根据本发明提供的一种头颈部器官影像分割方法，所述主流网络包括池化编码层和插值解码层；

其中，所述池化编码层包括串联的多个尺度逐个减小的池化编码模块，所述插值解码层包括串联的多个尺度逐个增大的插值解码模块；

所述池化编码模块输出的图像特征输入下一池化编码模块以及对应尺度下的插值解码模块。

根据本发明提供的一种头颈部器官影像分割方法，所述插值编码层中的首个插值编码模块与所述池化编码层中的首个池化编码模块共享信息；

所述池化解码层中的最后一个池化解码模块和所述插值解码层中的最后一个插值解码模块共享信息。