[发明专利]一种基于深度学习的医学分割多阶段融合方法及装置

说明书

本发明提出一种基于深度学习的医学分割多阶段融合方法及装置，其中，包括：获取待分割的三维医学影像数据；从三个相互正交的方向分别将三维医学影像数据切分为多个三维切片；获取预先训练完成的与三个相互正交的方向分别对应的三个二维神经网络，并将同一方向上的多个三维切片输入至对应的二维神经网络中；通过每个二维神经网络对输入的每个三维切片进行分割预测，依次获取每两个相邻的三维切片间相同的影像数据的三个分割预测结果；对三个二维神经网络输出的分割预测结果进行第二阶段的融合。本申请提出的方法可以保证分割结果的连贯性并且减少假阳的出现，从而提高分割结果的准确性。

技术领域

本发明涉及深度学习、医学影像技术领域，尤其涉及一种基于深度学习的多阶段融合医学分割方法。

背景技术

图像分割技术是计算机视觉中很重要的一个领域，用于将图像中感兴趣的区域选择出来。近年来随着图像分割技术的成熟，一些其他学科领域也开始使用该技术，其中医学影像领域也出现了使用基于深度学习的图像分割技术进行器官分割或者病灶分割的工作。

在医学影像领域中，由于医学影像数据大多数是三维的，一些用于处理三维数据的图像分割方法被陆续提出，比如先将三维数据拆分成二维数据输入给分割网络，得到的一系列二维分割结果拼合成三维结果；或者直接用三维的分割网络处理三维数据得到分割结果。但是目前二维或者三维的方法都存在一定的局限性。三维方法受限于显存大小，训练时一般只能一次输入非常少的训练数据，并且由于三维网络目前没有很好的预训练模型，直接从零训练很多时候无法达到很好的分割效果。二维方法能够克服三维方法的局限性，但是由于输入数据只有单层的二维数据，缺少相邻层的信息，最终预测出的结果可能会存在分割不完整、不连续的情况，并且只有二维信息时，要分割的目标和其他组织会无法区分导致假阳的出现。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于深度学习的医学分割多阶段融合方法，以实现能够保证分割结果的连贯性并且减少假阳的出现，从而提高分割结果的准确性。

本发明的第二个目的在于提出一种基于深度学习的医学分割多阶段融合装置

本发明的第三个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种基于深度学习的医学分割多阶段融合方法，包括以下步骤：

获取待分割的三维医学影像数据；

从三个相互正交的方向分别将所述三维医学影像数据切分为多个三维切片，其中，每个所述三维切片包括三层影像数据，且同一方向上相邻的两个所述三维切片间存在相同的影像数据；

获取预先训练完成的与所述三个相互正交的方向分别对应的三个二维神经网络，并将同一方向上的所述多个三维切片输入至对应的所述二维神经网络中；

通过每个所述二维神经网络对输入的每个三维切片进行分割预测，依次获取每两个相邻的所述三维切片间相同的影像数据的三个分割预测结果，并分别对所述每两个相邻的所述三维切片间相同的影像数据的三个预测结果进行第一阶段融合，以使所述二维神经网络输出对应方向上的所述多个三维切片的分割预测结果；

对所述三个二维神经网络输出的分割预测结果进行第二阶段的融合，以获取对所述待分割的三维医学影像数据的分割预测结果。

可选地，在本申请的一个实施例中，在所述获取待分割的三维医学影像数据之前，还包括：

获取三维医学影像训练数据以及所述训练数据对应的分割标注；