[发明专利]一种图像分割方法及存储介质

说明书

本申请公开了一种图像分割方法，所述方法包括：获取至少一待分割图像；基于分割模型对所述待分割图像进行分割处理；按照第一预设规则输出所述分割处理结果。通过本申请提供的图像分割方法，可以不断的根据分割案例及数据对分割模型进行训练，使得分割模型的准确度越来越高，通过该高准确定的分割模型可以有效的减少医师在分割牙齿图像时所消耗的时间，同时缩短牙齿图像的分割时间，提高诊治效率以及准确度。

技术领域

本申请涉及医学图像处理技术领域，尤其涉及一种图像分割方法及存储介质。

背景技术

目前，利用CT进行三维重建的具体方法为：将纳入对象的CBCT以dicom数据形式导入到mimics软件(Materialize Co,Leuven,比利时)，在进行人工分离骨组织和牙齿。分离过程中，口腔医师人工用不同颜色标记颌骨和目标牙，通过人工设置不同的透明度以显示各结构及其与周围其他结构的关系。

上述操作由于骨和牙的密度相近，上百个CT层面需要医师自己根据经验区别。若影像质量欠佳，存在伪影等，则需要进一步调整。这个过程复杂，往往有经验的口腔医师需要5、6个小时甚至更长的时间进行初步提取，而且最终得到的效果往往也不令人满意。

在构思及实现本申请过程中，发明人发现至少存在如下问题：在上述过程中，在牙齿图像分割过程中，由于需要口腔医师进行人工分割，使得分割效率低，且分割的精准度也不高。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

为了解决现有技术中人工分割牙齿图形存在的效率低下，精准度低下等的技术问题，本申请旨在提供一种图像分割方法及存储介质，能够在提高分割效率的同时，提高分割的精准度。

本申请提供一种图像分割方法，所述方法包括：获取至少一待分割图像；基于分割模型对所述待分割图像进行分割处理；按照第一预设规则输出所述分割处理结果。

可选地，所述分割模型包括以下至少一种：

预先设置的分割模型；

基于神经网络算法学习获得的分割模型。

可选地，所述基于神经网络算法学习获得的分割模型，包括：

对历史数据进行处理以获得学习数据；

根据接收到的指令获得对应的初始分割模型；

基于所述学习数据对所述初始分割模型进行训练以获得所述分割模型。

可选地，所述对历史数据进行处理以获得学习数据，包括：

构建处理标准；

基于所述处理标准对所述历史数据进行预处理以获得学习数据；

可选地，所述处理标准包括：

图像标准，包括：噪声标准、像素标准、伪影标准、以及尺寸标准中的至少一个；和/或，

数据标准，包括：格式标准、标注标准、单位标准、以及精准度标准中的至少一个。

所述预处理包括：图像滤波、图像增强、图像重采样、尺寸裁剪、以及数据均一化中的至少一种。

可选地，所述对历史数据进行处理已获得学习数据之后，还包括：

按照第二预设规则对所述学习数据进行分类；

其中，所述分类包括：训练类和/或测试类。

可选地，所述预设规则包括以下至少一种：

随机对所述学习数据进行分类；

按照顺序对所述学习数据进行分类；