CN111260664B - 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质 - Google Patents

鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111260664B
CN111260664B CN202010046208.2A CN202010046208A CN111260664B CN 111260664 B CN111260664 B CN 111260664B CN 202010046208 A CN202010046208 A CN 202010046208A CN 111260664 B CN111260664 B CN 111260664B
Authority
CN
China
Prior art keywords
image
segmentation
neural network
segmented
nasopharyngeal carcinoma
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
CN202010046208.2A
Other languages
English (en)
Other versions
CN111260664A (zh
Inventor
蔡宏民
黄嘉彬
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010046208.2A priority Critical patent/CN111260664B/zh
Publication of CN111260664A publication Critical patent/CN111260664A/zh
Application granted granted Critical
Publication of CN111260664B publication Critical patent/CN111260664B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种鼻咽癌的病灶图像分割装置，涉及医用图像处理领域，包括：图像获取模块，用于获取待分割图像；特征提取模块，用于提取所述待分割图像的图像特征；神经网络模块，包括用于根据所述图像特征对所述待分割图像进行图像分割的神经网络；所述神经网络还包括位置获取单元和语义分割单元；所述位置获取单元，用于根据所述图像特征获取所述待分割图像中病灶的位置信息；所述语义分割单元，用于根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。本发明实施例还提供了一种鼻咽癌的病灶图像分割设备及计算机可读存储介质，能有效简化神经网络模型，并提高对鼻咽癌的病灶图像分割的分割精度。

Description

鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质
技术领域
本发明涉及医学图像处理领域，尤其涉及一种鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质。
背景技术
鼻咽癌作为高发恶性肿瘤之一，其发病率为耳鼻咽喉恶性肿瘤之首。而为对鼻咽癌患者进行治疗，需要确定鼻咽癌病灶，临床中一般是通过对核磁共振图像进行图像处理，从而实现对鼻咽癌病灶的识别。
在现有的医学图像处理中，常用的图像分割算法包括基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法、基于聚类分析的图像分割方法、基于小波变换的分割方法、基于数学形态学的分割方法、基于人工神经网路的分割方法和基于遗传算法的分割方法，以及当前应用最广泛的基于深度学习的分割方法。
而发明人在研究中发现，基于边缘与阈值的图像分割方法过于简单，没有利用好像素的空间信息，分割结果极其容易受噪声干扰，经常出现断裂的边缘，需要后处理，该方法要求被分割的物体颜色纹理比较紧凑、类内方差小，只适合文本图像处理，如车牌、指纹；基于区域(增长、分裂)的分割方法往往会造成过度分割，即将图像分割成过多的区域，并且作为一种迭代的方法，空间和时间开销都比较大，噪声和灰度不均一可能会导致空洞和过分割，并在对图像中的阴影效果处理上往往不是很好。基于聚类分析的图像分割方法没有考虑空间信息，对噪声和灰度不均匀敏感，聚类需要确定类数；小波变换的分割方法需要选取合适的滤波器；基于数学形态学方法处理后难以避免仍会存在大量与目标不符的短线和孤立点，因此除了预处理还需要进行后处理；基于人工神经网络方法需要选择何种网络结构，需要大量数据，速度慢，结构复杂；基于遗传算法需要选择适应度函数，还需要确定交叉概率的确定，还可能收敛于局部最优。基于深度学习的方法，主要是基于卷积神经网络的分割方法，现有的语义分割模型主要针对一般图像的分割，而鼻咽癌医学图像具有更复杂的影像内容，针对分割目标小，具有侵润性，与正常组织的对比度、纹理等具有很大的相似性，解剖结构复杂等问题，即使是适用于医学图像分割的分割模型如Unet，在鼻咽癌原发灶分割任务上也会出现一些问题，如1)假阳性高，2)分割结果的边缘不清晰；另外针对鼻咽癌数据，现有典型分割方法；3)不能直接处理多模态的影像数据，而鼻咽癌影像一般有多个模态数据，如T1－weight，CET1－weight，T2－weight成像影像；4)这对于目前基于深度卷积神经网络的、针对鼻咽癌原发灶分割方法还比较少。
发明内容
本发明实施例提供一种鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质，能有效简化神经网络模型，并提高对鼻咽癌的病灶图像分割的分割精度。
本发明实施例提供一种鼻咽癌的病灶图像分割装置，包括：
图像获取模块，用于获取待分割图像；
特征提取模块，用于提取所述待分割图像的图像特征；
神经网络模块，包括用于根据所述图像特征对所述待分割图像进行图像分割的神经网络；所述神经网络还包括位置获取单元和语义分割单元；
所述位置获取单元，用于根据所述图像特征获取所述待分割图像中病灶的位置信息；
所述语义分割单元，用于根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。
作为上述方案的改进，所述待分割图像为MR图像的T1加权像、T2加权像和对比增强的T1加权像。
作为上述方案的改进，所述提取所述待分割图像的图像特征包括：对所述待分割图像进行卷积、激活和多特征图堆叠处理，以得到所述图像特征。
作为上述方案的改进，所述位置获取单元为所述神经网络的浅层支路。
作为上述方案的改进，所述语义分割单元包括所述神经网络的深层支路和激励子单元；
根据所述深层支路的语义分割任务下获得的特征提取结果和所述位置信息，通过激励子单元，使得每一个特征在所述位置信息的激励下获得更有助于语义分割的特征图。
本发明实施例还提供了一种鼻咽癌的病灶图像分割设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的鼻咽癌的病灶图像分割装置。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备实现如上任意一项所述的鼻咽癌的病灶图像分割装置。
本发明实施例提供的一种鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质，通过图像获取模块获取待分割图像，并通过特征提取模块提取所述待分割图像的图像特征，再由神经网络模块中的神经网络根据所述图像特征对所述待分割图像进行图像分割。并且由于所述神经网络还包括位置获取单元和语义分割单元；由所述位置获取单元根据所述图像特征获取所述待分割图像中病灶的位置信息，并由所述语义分割单元根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。由于采用策略，让神经网络一部分获得位置信息，一部分获得语义信息，通过位置信息激励语义信息的捕获，让神经网络能够获得原发灶的大概位置，然后让神经网络能针对更小的区域做细腻的语义分割，从而提高了分割效果，并减少了神经网络的权重参数，使神经网络更小。
附图说明
图1是本发明实施例1提供的一种鼻咽癌的病灶图像分割装置的结构示意图。
图2是本发明实施例2提供的一种鼻咽癌的病灶图像分割方法的流程示意图。
图3是如实施例2所示的病灶图像分割方法的步骤230的支路流程示意图。
图4是本发明实施例3提供的一种鼻咽癌的病灶图像分割设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例1提供了一种鼻咽癌的病灶图像分割装置100。参见图1，是所述病灶图像分割装置100的结构示意图，包括图像获取模块110、特征提取模块120和神经网络模块130。
所述图像获取模块110，用于获取待分割图像。所述特征提取模块120，用于提取所述待分割图像的图像特征。所述神经网络模块130，包括用于根据所述图像特征对所述待分割图像进行图像分割的神经网络，所述神经网络还包括位置获取单元131和语义分割单元132。所述位置获取单元131，用于根据所述图像特征获取所述待分割图像中病灶的位置信息；所述语义分割单元132，用于根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。
在所述病灶图像分割装置100的工作过程中，首先由所述图像获取模块110获取所述待分割图像，然后由所述特征提取模块120提取所述待分割图像的图像特征，再将所述图像特征输入所述神经网络模块130。所述神经网络模块130中的所述神经网络对根据所述图像特征对所述待分割图像进行图像分割，并且所述神经网络还分出所述位置获取单元131和所述语义分割单元132，由所述位置获取单元131根据所述图像特征获取所述待分割图像中病灶的位置信息，再由所述语义分割单元132根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。
优选地，所述待分割图像为MR图像的T1加权像(T1－weight)、T2加权像(T2－weight)和对比增强的T1加权像(CET1－weight)。也即，可以将MR图像的T1加权像、T2加权像和对比增强的T1加权像一同作为所述待分割图像输入到所述病灶图像分割装置100中。具体地，可以是所述图像获取模块110通过跨模态卷积融合上述三个模态的MR图像数据。
优选地，所述提取所述待分割图像的图像特征包括：对所述待分割图像进行卷积、激活和多特征图堆叠处理，以得到所述图像特征。
具体地，可以是由所述特征提取模块120通过卷积、Relu(激活函数)和concatenate(将多个特征图堆叠起来)等操作，从而提取所述图像特征，以备后续模块基于所述图像特征完成对病灶图像的所述位置信息的获取和语义分割。
优选地，所述位置获取单元131为所述神经网络的浅层支路。具体地，可以是在所述神经网络的浅层分出一条支路以作为所述位置获取单元131，引导所述神经网络获取病灶图像的所述位置信息。
优选地，所述语义分割单元132包括所述神经网络的深层支路和激励子单元。其中，根据所述深层支路的语义分割任务下获得的特征提取结果和所述位置信息，通过激励子单元，使得每一个特征在所述位置信息的激励下获得更有助于语义分割的特征图。
具体地，可以是在所述神经网络的深层分出一条支路以作为所述深层支路，同时设计一个激励以作为所述激励子单元，融合当前支路的语义分割任务下获得的特征提取结果和上一步获得的位置信息，通过所述激励子单元，使得每一个特征在所述位置信息的激励下获得更有助于语义分割的特征图。
本发明实施例1提供的一种鼻咽癌的病灶图像分割装置，通过图像获取模块获取待分割图像，并通过特征提取模块提取所述待分割图像的图像特征，再由神经网络模块中的神经网络根据所述图像特征对所述待分割图像进行图像分割。并且由于所述神经网络还包括位置获取单元和语义分割单元；由所述位置获取单元根据所述图像特征获取所述待分割图像中病灶的位置信息，并由所述语义分割单元根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。由于采用策略，让神经网络一部分获得位置信息，一部分获得语义信息，通过位置信息激励语义信息的捕获，让神经网络能够获得原发灶的大概位置，然后让神经网络能针对更小的区域做细腻的语义分割，从而提高了分割效果，并减少了神经网络的权重参数，使神经网络更小。
参见图2，是本发明实施例2提供的一种鼻咽癌的病灶图像分割方法的流程示意图。所述病灶图像分割方法包括步骤S210至步骤S230。
S210、获取待分割图像。
S220、提取所述待分割图像的图像特征。
S230、由预先训练的神经网络根据所述图像特征对所述待分割图像进行图像分割。其中，参见图3，步骤S230还包括步骤S231和步骤S232。
S231、根据所述图像特征获取所述待分割图像中病灶的位置信息。
S232、根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。
所述病灶图像分割方法可以由实施例1提供的病灶图像分割装置100执行，在此不做赘述。
本发明实施例2提供的一种鼻咽癌的病灶图像分割方法，通过获取待分割图像，并提取所述待分割图像的图像特征，再由神经网络根据所述图像特征对所述待分割图像进行图像分割。并且由于所述神经网络还根据所述图像特征获取所述待分割图像中病灶的位置信息，并根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。由于采用策略，让神经网络一部分获得位置信息，一部分获得语义信息，通过位置信息激励语义信息的捕获，让神经网络能够获得原发灶的大概位置，然后让神经网络能针对更小的区域做细腻的语义分割，从而提高了分割效果，并减少了神经网络的权重参数，使神经网络更小。
参见图4，本发明实施例3提供的一种鼻咽癌的病灶图像分割设备300，包括处理器310、存储器320以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器310执行所述计算机程序时实现如实施例1所述的病灶图像分割装置或如实施例2所述的病灶图像分割方法，在此不作赘述。
另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述计算机程序时实现如实施例1所述的病灶图像分割装置或如实施例2所述的病灶图像分割方法，在此不作赘述。
参见图4，是本发明实施例3提供的鼻咽癌的病灶图像分割设备300的示意图。所述鼻咽癌的病灶图像分割设备300包括：处理器310、存储器320以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如病灶图像分割程序。所述处理器执行所述计算机程序时实现上述各个病灶图像分割方法实施例中的步骤，例如图2所示的病灶图像分割方法的步骤。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如实施例1所述的病灶图像分割装置的各模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器320中，并由所述处理器310执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述病灶图像分割终端设备中的执行过程。例如，所述计算机程序可以被分割成图像获取模块、特征提取模块和神经网络模块，各模块具体功能如下：所述图像获取模块，用于获取待分割图像；所述特征提取模块，用于提取所述待分割图像的图像特征；所述神经网络模块，包括用于根据所述图像特征对所述待分割图像进行图像分割的神经网络；所述神经网络还包括位置获取单元和语义分割单元；所述位置获取单元，用于根据所述图像特征获取所述待分割图像中病灶的位置信息；所述语义分割单元，用于根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。
所述鼻咽癌的病灶图像分割设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述鼻咽癌的病灶图像分割设备300可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是鼻咽癌的病灶图像分割设备300的示例，并不构成对鼻咽癌的病灶图像分割设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述鼻咽癌的病灶图像分割设备300还可以包括输入输出设备、网络接入设备、总线等。
所称处理器310可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器310是所述鼻咽癌的病灶图像分割设备300的控制中心，利用各种接口和线路连接整个病灶图像分割终端设备的各个部分。
所述存储器320可用于存储所述计算机程序或模块，所述处理器310通过运行或执行存储在所述存储器内的计算机程序或模块，以及调用存储在存储器内的数据，实现所述病灶图像分割终端设备的各种功能。所述存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述鼻咽癌的病灶图像分割设备300集成的模块或单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read－OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
实施本发明实施例3提供的一种鼻咽癌的病灶图像分割设备，在处理器执行存储在存储器中的计算机程序时，通过图像获取模块获取待分割图像，并通过特征提取模块提取所述待分割图像的图像特征，再由神经网络模块中的神经网络根据所述图像特征对所述待分割图像进行图像分割。并且由于所述神经网络还包括位置获取单元和语义分割单元；由所述位置获取单元根据所述图像特征获取所述待分割图像中病灶的位置信息，并由所述语义分割单元根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果。由于采用策略，让神经网络一部分获得位置信息，一部分获得语义信息，通过位置信息激励语义信息的捕获，让神经网络能够获得原发灶的大概位置，然后让神经网络能针对更小的区域做细腻的语义分割，从而提高了分割效果，并减少了神经网络的权重参数，使神经网络更小。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (5)

1.一种鼻咽癌的病灶图像分割装置，其特征在于，包括：
图像获取模块，用于获取待分割图像；
特征提取模块，用于提取所述待分割图像的图像特征；
神经网络模块，包括用于根据所述图像特征对所述待分割图像进行图像分割的神经网络；所述神经网络还包括位置获取单元和语义分割单元；
所述位置获取单元，用于根据所述图像特征获取所述待分割图像中病灶的位置信息；所述位置获取单元为所述神经网络的浅层支路；
所述语义分割单元，用于根据所述图像特征并结合所述位置信息，激励有助于分割的特征图，以获得语义分割结果；
所述语义分割单元包括所述神经网络的深层支路和激励子单元；
根据所述深层支路的语义分割任务下获得的特征提取结果和所述位置信息，通过激励子单元，使得每一个特征在所述位置信息的激励下获得更有助于语义分割的特征图。
2.如权利要求1所述的鼻咽癌的病灶图像分割装置，其特征在于，所述待分割图像为MR图像的T1加权像、T2加权像和对比增强的T1加权像。
3.如权利要求1所述的鼻咽癌的病灶图像分割装置，其特征在于，所述提取所述待分割图像的图像特征包括：对所述待分割图像进行卷积、激活和多特征图堆叠处理，以得到所述图像特征。
4.一种鼻咽癌的病灶图像分割设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的鼻咽癌的病灶图像分割装置。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备实现如权利要求1至3中任意一项所述的鼻咽癌的病灶图像分割装置。
CN202010046208.2A 2020-01-15 2020-01-15 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质 Active CN111260664B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010046208.2A CN111260664B (zh) 2020-01-15 2020-01-15 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010046208.2A CN111260664B (zh) 2020-01-15 2020-01-15 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111260664A CN111260664A (zh) 2020-06-09
CN111260664B true CN111260664B (zh) 2023-04-25

Family

ID=70954144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010046208.2A Active CN111260664B (zh) 2020-01-15 2020-01-15 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111260664B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108257134A (zh) * 2017-12-21 2018-07-06 深圳大学 基于深度学习的鼻咽癌病灶自动分割方法和系统
CN109919948A (zh) * 2019-02-26 2019-06-21 华南理工大学 基于深度学习的鼻咽癌病灶分割模型训练方法及分割方法
CN110599476A (zh) * 2019-09-12 2019-12-20 腾讯科技（深圳）有限公司 基于机器学习的疾病分级方法、装置、设备及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108257134A (zh) * 2017-12-21 2018-07-06 深圳大学 基于深度学习的鼻咽癌病灶自动分割方法和系统
CN109919948A (zh) * 2019-02-26 2019-06-21 华南理工大学 基于深度学习的鼻咽癌病灶分割模型训练方法及分割方法
CN110599476A (zh) * 2019-09-12 2019-12-20 腾讯科技（深圳）有限公司 基于机器学习的疾病分级方法、装置、设备及介质

Also Published As

Publication number Publication date
CN111260664A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN108010021B (zh) 一种医学图像处理系统和方法
Xiong et al. An enhanced binarization framework for degraded historical document images
CN112508835B (zh) 一种基于gan的无造影剂医学图像增强建模方法
KR102372200B1 (ko) 의료영상의 병변 정보 증강 패치에 하나 이상의 증강 방식을 적용한 학습데이터 기반의 병변 분류 방법 및 장치
CN111080654B (zh) 图像的病变区域分割方法、装置及服务器
CN110969046B (zh) 人脸识别方法、设备及计算机可读存储介质
CN113466232A (zh) 一种基于计算机图像的脆化鱼肉快速检测方法及系统
US11682186B2 (en) Detection of annotated regions of interest in images
CN111105427A (zh) 一种基于连通区域分析的肺部图像分割方法及系统
CN111325709A (zh) 无线胶囊内窥镜图像检测系统及检测方法
CN111260664B (zh) 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质
US10360434B2 (en) Multi-pass adaptive voting for nuclei detection in histopathological images
CN111488811B (zh) 人脸识别方法、装置、终端设备及计算机可读介质
CN111260663B (zh) 鼻咽癌的病灶图像分割装置、设备及计算机可读存储介质
WO2021097595A1 (zh) 图像的病变区域分割方法、装置及服务器
CN108846312B (zh) 一种细菌有效活动区域的识别方法、装置及终端设备
US20220405916A1 (en) Method for detecting the presence of pneumonia area in medical images of patients, detecting system, and electronic device employing method
CN113379770B (zh) 鼻咽癌mr图像分割网络的构建方法、图像分割方法及装置
CN114529570A (zh) 图像分割方法、图像识别方法、用户凭证补办方法及系统
CN111753723B (zh) 一种基于密度校准的指纹识别方法及装置
CN112861916A (zh) 一种浸润性宫颈癌病理图像分类方法和系统
CN113450355A (zh) 一种基于多膜态ct图像和3dcnn网络提取图像特征的方法
CN112884714A (zh) 一种淋巴结ct图像自动分割方法及系统
CN112102295A (zh) Dr图像配准方法、装置、终端和计算机可读存储介质
CN111241951A (zh) 一种虹膜图像的处理方法及装置

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
GR01 Patent grant
GR01 Patent grant