[发明专利]一种超声图像的分割方法、装置、终端设备和存储介质

说明书

本申请涉及图像处理技术领域，提出一种超声图像的分割方法、装置、终端设备和存储介质。该方法根据CT图像合成模拟的超声图像，在该合成的超声图像上预训练图像分割模型；然后，采用迁移学习的方法，将预训练的图像分割模型迁移至真实的样本超声图像上继续进行训练，以获得最终的图像分割模型，并通过该最终的图像分割模型完成待分割超声图像的分割处理。通过这样设置，能够利用CT图像合成的超声图像代替一部分训练数据，从而解决在训练图像分割模型时缺少训练数据的问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种超声图像的分割方法、装置、终端设备和存储介质。

背景技术

超声图像以其价格亲民、无辐射、非侵入和实时性好的优点，广泛地应用在临床医学领域。对超声图像进行准确且快速的定量分割，可以用于辅助诊断病变类型及病灶大小，为医护人员提供决策的参考。

针对超声图像固有的大量噪声、低分辨率、边界模糊、对比度低、操作者经验依赖等问题，人们通常采用深度学习技术来实现超声图像的分割。然而，在训练图像分割模型时，需要大量带有标签的训练数据，可是由于超声图像的获取以及人工标注费时费力，目前尚无公开的用于超声图像分割的训练数据集，故存在缺少训练数据的问题。

发明内容

有鉴于此，本申请实施例提供了一种超声图像的分割方法、装置、终端设备和存储介质，能够解决在训练图像分割模型时缺少训练数据的问题。

本申请实施例的第一方面提供了一种超声图像的分割方法，包括：

获取待分割超声图像；

将所述待分割超声图像输入已训练的图像分割模型，得到所述待分割超声图像的图像分割结果；

其中，所述图像分割模型通过以下方式训练获得：

以模拟超声图像作为训练集进行预训练，得到初始分割模型，所述模拟超声图像是根据电子计算机断层扫描CT图像合成的超声图像；

采用迁移学习的方法，以样本超声图像作为训练集，继续对所述初始分割模型进行训练，得到所述图像分割模型，所述样本超声图像是预采集的作为训练样本的超声图像。

在本申请实施例中，根据CT图像合成模拟的超声图像，在该合成的超声图像上预训练图像分割模型；然后，采用迁移学习的方法，将图像分割模型迁移至真实的样本超声图像上继续进行训练，以获得最终的图像分割模型，并通过该最终的图像分割模型完成待分割超声图像的分割处理。通过这样设置，能够利用CT图像合成的超声图像代替一部分训练数据，从而解决在训练图像分割模型时缺少训练数据的问题。

在本申请的一个实施例中，所述模拟超声图像可以通过以下方式合成：

获取预采集的CT数据集；

对所述CT数据集进行预处理操作，得到目标CT图像；

将所述目标CT图像输入预训练的循环生成对抗网络，以合成所述模拟超声图像。

进一步的，所述CT数据集包含三维体数据格式的CT图像，所述对所述CT数据集进行预处理操作，得到目标CT图像，可以包括：

调整所述CT数据集包含的CT图像的窗位和窗宽；

将所述CT数据集包含的CT图像从三维体数据分别沿着各个指定方向执行切片处理，得到多张二维的切片CT图像；

从所述多张二维的切片CT图像中分别提取感兴趣区域的图像，作为所述目标CT图像。

更进一步的，所述CT数据集包含的CT图像带有预设的标签，所述标签标记出CT图像中指定目标物的轮廓，在得到多张二维的切片CT图像之后，还可以包括：