CN109345517B - 图像分割方法、装置、计算机设备和存储介质 - Google Patents

图像分割方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN109345517B
CN109345517B CN201811093323.4A CN201811093323A CN109345517B CN 109345517 B CN109345517 B CN 109345517B CN 201811093323 A CN201811093323 A CN 201811093323A CN 109345517 B CN109345517 B CN 109345517B
Authority
CN
China
Prior art keywords
growth
growth strategy
strategy
executing
switching
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811093323.4A
Other languages
English (en)
Other versions
CN109345517A (zh
Inventor
王策
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201811093323.4A priority Critical patent/CN109345517B/zh
Publication of CN109345517A publication Critical patent/CN109345517A/zh
Application granted granted Critical
Publication of CN109345517B publication Critical patent/CN109345517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请涉及一种图像分割方法、装置、计算机设备和存储介质。所述方法包括:基于设定种子点执行第一生长策略;返回执行第一生长策略的结果并获取输入指令;基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;若符合切换生长策略的条件,则切换至第二生长策略并执行。上述图像分割方法、装置、计算机设备和存储介质,基于设定种子点执行第一生长策略,返回生长结果并接收输入指令,若用户要求继续生长,则检查执行策略的结果是否符合切换生长策略的条件,若符合条件,则切换生长策略,这样在一次生长过程中可以采用多种生长算法,可以生长复杂的感兴趣区域,提升了区域生长算法的鲁棒性,大大的提升算法的适应性和普适性。

Description

图像分割方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像分割提取技术领域,特别是涉及一种图像分割方法、装置、计算机设备和存储介质。
背景技术
在医学图像分割提取中,存在许多自动算法分割提取失败,或因情况多变无法处理的情况。对于此种情况完全采用人工的手动编辑耗时费力,且无法保证准确性。此时迫切的需要一种半自动的分割提取方法辅助医生快速实现,感兴趣区域的分割提取工作,以供后续分析工作。
区域生长算法,只需要用户给定一个种子点作为输入,在使用时非常简便,所以广泛的被用在医学图像分割领域。区域生长算法的基本思想为,在分割提取时根据预先设定好的生长策略对种子点进行更新。为了保证分割的准确性和防止泄露,生长策略一般会采用较为优选的严格的生长策略对图像进行分割提取。但在半自动分割图像邻域,现有的算法依然采用此种策略进行生长,造成因为由于生长策略的单一,导致在生长条件不合适时,而无法生长复杂的感兴趣区域的问题。
发明内容
基于此,有必要针对由于生长策略的单一,导致在生长条件不合适时,而无法生长复杂的感兴趣区域的问题,提供一种能够图像分割方法、装置、计算机设备和存储介质。
一种图像分割方法,所述方法包括:
存在第一生长策略时,基于设定种子点执行第一生长策略;
返回执行第一生长策略的结果并获取输入指令;
基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;
若符合切换生长策略的条件,则切换至第二生长策略并执行。
在其中一个实施例中,所述存在第一生长策略时,基于设定种子点执行第一生长策略包括:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若存在可用的第一生长策略,则基于设定种子点执行第一生长策略。
在其中一个实施例中,所述存在第一生长策略时,基于设定种子点执行第一生长策略还包括:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若不存在可用的第一生长策略,则结束算法。
在其中一个实施例中,所述获取输入指令包括:
若输入指令为继续执行生长策略,则基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。
在其中一个实施例中,所述获取输入指令还包括:
若输入指令为不继续执行生长策略,则结束算法。
在其中一个实施例中,所述基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件还包括:
若不符合切换生长策略的条件,则继续执行所述第一生长策略。
在其中一个实施例中,所述基于设定种子点执行第一生长策略还包括:
基于所述第一生长策略,对所述设定种子点周围邻域的候选点进行判别是否符合第一生长策略,如符合则放入种子点队列。
一种图像分割装置,所述装置包括:
第一生长策略执行模块,用于在存在第一生长策略时,基于设定种子点执行第一生长策略;
获取模块,用于返回执行第一生长策略的结果并获取输入指令;
检查模块,用于基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;
切换模块,用于在符合切换生长策略的条件时,切换至第二生长策略并执行。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
存在第一生长策略时,基于设定种子点执行第一生长策略;
返回执行第一生长策略的结果并获取输入指令;
基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;
若符合切换生长策略的条件,则切换至第二生长策略并执行。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
存在第一生长策略时,基于设定种子点执行第一生长策略;
返回执行第一生长策略的结果并获取输入指令;
基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;
若符合切换生长策略的条件,则切换至第二生长策略并执行。
上述图像分割方法、装置、计算机设备和存储介质,先基于设定种子点执行第一生长策略,在将第一生长策略执行预设次数后,返回生长结果并接收用户的输入指令,若用户要求继续生长,则检查执行第一生长策略的结果是否符合切换生长策略的条件,若符合切换生长策略的条件,则切换至第二生长策略并继续生长,这样在一次图像分割过程中可以采用多种生长算法,可以生长复杂的感兴趣区域,提升了区域生长算法的鲁棒性,大大的提升算法的适应性和普适性。
附图说明
图1为一个实施例中图像分割方法的流程示意图;
图2为一个实施例中第一生长策略执行方法的流程示意图;
图3为另一个实施例中第一生长策略执行方法的流程示意图;
图4为一个实施例中图像分割装置的结构框图;
图5为一个实施例中第一生长策略执行模块的结构框图;
图6为另一个实施例中第一生长策略执行模块的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参阅图1,图1为本发明的图像分割方法的流程示意图。
在本实施例中,所述图像分割方法包括:
步骤100,存在第一生长策略时,基于设定种子点执行第一生长策略。
区域生长是按照事先定义的生长准则将一个像素或者子区域逐步聚合成一个完整独立的连通区域过程。对于图像感兴趣目标区域R,z为区域R上事先发现的种子点,按照规定的生长准则逐步将与种子点z一定邻域内符合相似性判据的像素合并成一个种子群以备下一阶段的生长,这样不断的进行循环生长直到满足生长停止条件为止,从而完成了对感兴趣区域由一个种子点生长为一个独立连通区域的过程。其中相似性判据可以是像素灰度值、颜色、纹理特征等图像信息。
区域生长算法一般分为三个步骤实现:
(1)确定生长种子点;
(2)规定生长准则;
(3)确定生长停止条件。
在本实施例中,所述步骤100包括基于用户输入确定所述设定种子点,基于所述设定种子点判断是否有可用的生长策略,若存在可用的第一生长策略,则基于设定种子点执行第一生长策略。若不存在可用的第一生长策略,则结束算法。
可以理解的,所述设定种子点不限定种子点的个数,所述设定种子点可以指代一个点,也可以指代一个设定范围内的所有点。
具体地,执行第一生长策略包括基于所述第一生长策略,对所述设定种子点周围邻域的候选点进行判别是否符合第一生长策略,如符合则放入种子点队列。
步骤110,返回执行第一生长策略的结果并获取输入指令。
在本实施例中,所述步骤110包括在执行所述第一生长策略达到预设次数后,记录下执行所述第一生长策略的结果,并将结果返回到终端,终端将结果展示给用户。在本实施例中,所述终端为显示器。在其它实施例中,所述终端可以为其它显示设备。
在本实施例中,所述步骤110还包括获取输入指令。具体地,所述获取输入指令为接收用户输入指令。在本实施例中,用户通过抬起或不抬起鼠标输入指令。在其它实施例中,用户可以通过其它设备或方式输入指令或算法对生长结果进行判断以生成输入指令。具体地,所述输入指令包括继续执行生长策略和不继续执行生长策略,若所述输入指令为继续执行生长策略,则进行下一步骤;若所述输入指令为不继续执行生长策略,则结束算法。
步骤120,基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。
在本实施例中,当所述输入指令为继续执行生长策略时,则基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。在本实施例中,所述是否符合切换生长策略的条件的判断标准为执行第一生长策略之后的种子点个数是否满足预设条件,若执行第一生长策略之后的种子点个数未达到预设数量,则满足预设条件,符合切换生长策略的条件;若执行第一生长策略之后的种子点个数达到预设数量,则不满足预设条件,不符合切换生长策略的条件。若执行第一生长策略的结果符合切换生长策略的条件,则进入下一步骤;若执行第一生长策略的结果不符合切换生长策略的条件,则继续执行所述第一生长策略。
步骤130,若符合切换生长策略的条件,则切换至第二生长策略并执行。
在本实施例中,当执行第一生长策略的结果符合切换生长策略的条件时,则将最后n次执行所述第一生长策略的生长结果设定为新的种子点,并基于所述新的种子点判断是否有可用的生长策略,若存在可用的第二生长策略,则基于新的种子点切换至第二生长策略并执行。若不存在可用的第二生长策略,则结束算法。具体地,最后n次的次数为预设次数,可以由用户设定。在本实施例中,当执行第一生长策略的结果不符合切换生长策略的条件时,则继续执行所述第一生长策略。
具体地,执行第二生长策略包括基于所述第二生长策略,对所述新的种子点周围邻域的候选点进行判别是否符合第二生长策略,如符合则放入种子点队列。
示例性地,所述图像分割方法会按照生长顺序依次记录每次生长的结果,且实时将生长结果通过显示设备返回给用户。在本实施例中,所述显示设备为显示屏。在其它实施例中,所述显示设备可以为手机、可穿戴设备等可用于显示的装置。若生长结果超出感兴趣区域,则用户可以通过输入设备如鼠标等,拖动显示设备上的进度条,将存储的已生长的结果按照顺序依次删除,缩小生长结果范围,直到用户认为当前结果符合真实的感兴趣目标边界为止。可以理解的,用户可以随时通过拖动进度条以调节生长结果。在本实施例中,用户通过拖动显示设备上的进度条以调节生长结果。在其它实施例中,用户可以通过其它方式调节生长结果,只需达到调节生长结果的效果即可。例如,通过输入设备如鼠标等,擦除生长结果超出感兴趣区域的部分。
可以理解的,当所述图像分割方法在基于一种子点进行生长的生长结果不足以满足感兴趣区域图像的分割时,用户可以在感兴趣区域内选取新的种子点重新进行生长,最后将多次生长的结果合并达到最终的分割结果。
在本实施例中,所述生长策略为基于病人的身体状况、组织器官的位置、扫描方式的不同等条件,通过经训练的神经网络模型得到的。具体地,先构建一神经网络模型,然后通过深度学习,以病人的性别、年龄、扫描器官部位、扫描方式等条件以及对应的生长策略集作为训练集对所述神经网络模型进行训练,得到本实施例中经训练的神经网络模型。所述经训练的神经网络模型接收病人的性别、年龄、扫描器官部位、扫描方式等数据作为输入,即可得到适合用于对应扫描图像的分割中的生长策略集。
上述图像分割方法,先基于设定种子点执行第一生长策略,在将第一生长策略执行预设次数后,返回生长结果并接收用户的输入指令,若用户要求继续生长,则检查执行第一生长策略的结果是否符合切换生长策略的条件,若符合切换生长策略的条件,则切换至第二生长策略并继续生长,这样在一次生长过程中可以采用多种生长算法,可以生长复杂的感兴趣区域,提升了区域生长算法的鲁棒性,大大的提升算法的适应性和普适性,因此在对不同组织器官、不同病人的同一组织器官、不同扫描方式扫描得到的组织器官图像进行分割时,均能达到较好的分割效果。同时,本发明的图像分割方法能够与用户端进行实时交互,达到预设次数就把分割信息在显示器中显示,用户体验更好。
请参阅图2,图2为本发明一实施例的第一生长策略执行方法的流程示意图。
在本实施例中,所述第一生长策略执行方法包括:
步骤200,基于用户输入获取设定种子点。
在本实施例中,所述步骤200包括获取用户输入,基于用户输入确定种子点并作为设定种子点。
步骤210,基于设定种子点判断是否有可用的生长策略。
步骤220,若存在可用的第一生长策略,则基于设定种子点执行第一生长策略。
在本实施例中,基于设定种子点判断是否有可用的生长策略,若存在可用的第一生长策略,则基于设定种子点执行第一生长策略,即基于所述第一生长策略,对所述设定种子点周围邻域的候选点进行判别是否符合第一生长策略,如符合则放入种子点队列。
请参阅图3,图3为本发明另一实施例的第一生长策略执行方法的流程示意图。
在本实施例中,所述第一生长策略执行方法包括:
步骤300,基于用户输入获取设定种子点。
在本实施例中,所述步骤300包括获取用户输入,基于用户输入确定种子点并作为设定种子点。
步骤310,基于设定种子点判断是否有可用的生长策略。
步骤320,若不存在可用的第一生长策略,则结束算法。
应该理解的是,虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种图像分割装置,包括:第一生长策略执行模块400、获取模块410、检查模块420和切换模块430,其中:
第一生长策略执行模块400,用于在存在第一生长策略时,基于设定种子点执行第一生长策略。
获取模块410,用于返回执行第一生长策略的结果并获取输入指令。
检查模块420,用于基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。
切换模块430,用于在符合切换生长策略的条件时,切换至第二生长策略并执行。
关于图像分割装置的具体限定可以参见上文中对于图像分割方法的限定,在此不再赘述。上述图像分割装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,如图5所示,提供了一种第一生长策略执行模块400,包括:
第一获取单元401,用于基于用户输入获取设定种子点。
第一判断单元402,用于基于设定种子点判断是否有可用的生长策略。
执行单元403,用于在存在可用的第一生长策略时,基于设定种子点执行第一生长策略。
在一个实施例中,如图6所示,提供了另一种第一生长策略执行模块400,包括:
第二获取单元404,用于基于用户输入获取设定种子点。
第二判断单元405,用于基于设定种子点判断是否有可用的生长策略。
返回单元406,用于在不存在可用的第一生长策略时,结束算法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像分割方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
存在第一生长策略时,基于设定种子点执行第一生长策略;
返回执行第一生长策略的结果并获取输入指令;
基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;
若符合切换生长策略的条件,则切换至第二生长策略并执行。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若存在可用的第一生长策略,则基于设定种子点执行第一生长策略。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若不存在可用的第一生长策略,则结束算法。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若输入指令为继续执行生长策略,则基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若输入指令为不继续执行生长策略,则结束算法。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若不符合切换生长策略的条件,则继续执行所述第一生长策略。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于所述第一生长策略,对所述设定种子点周围邻域的候选点进行判别是否符合第一生长策略,如符合则放入种子点队列。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
存在第一生长策略时,基于设定种子点执行第一生长策略;
返回执行第一生长策略的结果并获取输入指令;
基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;
若符合切换生长策略的条件,则切换至第二生长策略并执行。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若存在可用的第一生长策略,则基于设定种子点执行第一生长策略。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若不存在可用的第一生长策略,则结束算法。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若输入指令为继续执行生长策略,则基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若输入指令为不继续执行生长策略,则结束算法。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若不符合切换生长策略的条件,则继续执行所述第一生长策略。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于所述第一生长策略,对所述设定种子点周围邻域的候选点进行判别是否符合第一生长策略,如符合则放入种子点队列。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像分割方法,其特征在于,所述方法包括:
存在第一生长策略时,基于设定种子点执行第一生长策略;
返回执行第一生长策略的结果,以使用户调节生长结果,并获取输入指令;
基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;其中,是否符合切换生长策略的条件的判断标准为执行第一生长策略之后的种子点个数是否满足预设条件;
若符合切换生长策略的条件,则切换至第二生长策略并执行;其中,所述切换至第二生长策略并执行包括:将最后n次执行所述第一生长策略的生长结果设定为新的种子点,并基于所述新的种子点判断是否有可用的生长策略,若存在可用的第二生长策略,则基于新的种子点切换至第二生长策略并执行。
2.根据权利要求1所述的方法,其特征在于,所述存在第一生长策略时,基于设定种子点执行第一生长策略包括:
基于用户输入获取设定种子点;
基于设定种子点判断是否有可用的生长策略;
若存在可用的第一生长策略,则基于设定种子点执行第一生长策略。
3.根据权利要求1所述的方法,其特征在于,所述存在第一生长策略时,基于设定种子点执行第一生长策略还包括:
若不存在可用的第一生长策略,则结束算法。
4.根据权利要求1所述的方法,其特征在于,所述获取输入指令包括:若输入指令为继续执行生长策略,则基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件。
5.根据权利要求1所述的方法,其特征在于,所述获取输入指令还包括:
若输入指令为不继续执行生长策略,则结束算法。
6.根据权利要求1所述的方法,其特征在于,所述基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件还包括:
若不符合切换生长策略的条件,则继续执行所述第一生长策略。
7.根据权利要求1所述的方法,其特征在于,所述基于设定种子点执行第一生长策略还包括:
基于所述第一生长策略,对所述设定种子点周围邻域的候选点进行判别是否符合第一生长策略,如符合则放入种子点队列。
8.一种图像分割装置,其特征在于,所述装置包括:
第一生长策略执行模块,用于在存在第一生长策略时,基于设定种子点执行第一生长策略;
获取模块,用于返回执行第一生长策略的结果,以使用户调节生长结果,并获取输入指令;
检查模块,用于基于输入指令检查所述执行第一生长策略的结果是否符合切换生长策略的条件;其中,是否符合切换生长策略的条件的判断标准为执行第一生长策略之后的种子点个数是否满足预设条件;
切换模块,用于在符合切换生长策略的条件时,切换至第二生长策略并执行;其中,所述切换至第二生长策略并执行包括:将最后n次执行所述第一生长策略的生长结果设定为新的种子点,并基于所述新的种子点判断是否有可用的生长策略,若存在可用的第二生长策略,则基于新的种子点切换至第二生长策略并执行。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201811093323.4A 2018-09-19 2018-09-19 图像分割方法、装置、计算机设备和存储介质 Active CN109345517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811093323.4A CN109345517B (zh) 2018-09-19 2018-09-19 图像分割方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811093323.4A CN109345517B (zh) 2018-09-19 2018-09-19 图像分割方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109345517A CN109345517A (zh) 2019-02-15
CN109345517B true CN109345517B (zh) 2022-11-25

Family

ID=65305873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811093323.4A Active CN109345517B (zh) 2018-09-19 2018-09-19 图像分割方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109345517B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110517275A (zh) * 2019-09-03 2019-11-29 上海联影医疗科技有限公司 一种交互方法、装置、设备及存储介质
CN110717915B (zh) * 2019-09-25 2022-05-27 武汉联影智融医疗科技有限公司 分割方法、装置、计算机设备和存储介质
CN110739049A (zh) * 2019-10-10 2020-01-31 上海联影智能医疗科技有限公司 图像勾画方法、装置、存储介质及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102982531A (zh) * 2012-10-30 2013-03-20 深圳市旭东数字医学影像技术有限公司 支气管的分割方法及系统
CN104156935A (zh) * 2013-05-14 2014-11-19 株式会社东芝 图像分割装置、图像分割方法和医学图像设备
CN107563378A (zh) * 2017-07-31 2018-01-09 上海联影医疗科技有限公司 体数据中提取感兴趣区域的方法及其系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101223046B1 (ko) * 2011-02-08 2013-01-17 경북대학교 산학협력단 정지장면의 연속프레임 영상에 기반한 영상분할장치 및 방법
CN104036484B (zh) * 2013-03-06 2017-08-08 东芝医疗系统株式会社 图像分割装置、图像分割方法和医学图像设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102982531A (zh) * 2012-10-30 2013-03-20 深圳市旭东数字医学影像技术有限公司 支气管的分割方法及系统
CN104156935A (zh) * 2013-05-14 2014-11-19 株式会社东芝 图像分割装置、图像分割方法和医学图像设备
CN107563378A (zh) * 2017-07-31 2018-01-09 上海联影医疗科技有限公司 体数据中提取感兴趣区域的方法及其系统

Also Published As

Publication number Publication date
CN109345517A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
US11880972B2 (en) Tissue nodule detection and tissue nodule detection model training method, apparatus, device, and system
KR102013828B1 (ko) 수술영상을 기초로 수술시간을 예측하는 방법 및 장치
CN109345517B (zh) 图像分割方法、装置、计算机设备和存储介质
CN110211076B (zh) 图像拼接方法、图像拼接设备和可读存储介质
CN109800805A (zh) 基于人工智能的图像处理系统以及计算机设备
CN111161270A (zh) 医学影像的血管分割方法、计算机设备和可读存储介质
CN110189306B (zh) 脑图像中异常区域对应的责任血管确定方法和设备
CN113706564B (zh) 基于多种监督方式的睑板腺分割网络的训练方法及装置
CN109712128B (zh) 特征点检测方法、装置、计算机设备和存储介质
CN111383259B (zh) 图像分析方法、计算机设备和存储介质
CN110580693B (zh) 图像处理方法、装置、计算机设备及存储介质
CN110163864B (zh) 图像分割方法、装置、计算机设备和存储介质
CN110827308A (zh) 图像处理方法,装置,电子设备及存储介质
CN114332132A (zh) 图像分割方法、装置和计算机设备
CN111738975B (zh) 图像辨识方法及图像辨识装置
CN114693671B (zh) 基于深度学习的肺结节半自动分割方法、装置、设备及介质
CN111091539B (zh) 网络模型训练、医学图像处理方法、装置、介质及设备
CN110309855B (zh) 图像分割的训练方法、计算机设备及存储介质
CN113160199B (zh) 影像识别方法、装置、计算机设备和存储介质
CN111161240B (zh) 血管分类方法、装置、计算机设备和可读存储介质
CN110974416B (zh) 穿刺参数确定方法、装置、系统、计算机设备和存储介质
CN111489318B (zh) 医学图像增强方法和计算机可读存储介质
CN113362345A (zh) 图像分割方法、装置、计算机设备和存储介质
CN110766653B (zh) 图像分割方法、装置、计算机设备和存储介质
CN111160441B (zh) 分类方法、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant