CN115775219A

CN115775219A - 医学图像分割方法、系统、电子设备及介质

Info

Publication number: CN115775219A
Application number: CN202111058944.0A
Authority: CN
Inventors: 陈俊强; 杨溪
Original assignee: Shanghai Weiwei Medical Technology Co ltd
Current assignee: Shanghai Weiwei Medical Technology Co ltd
Priority date: 2021-09-08
Filing date: 2021-09-08
Publication date: 2023-03-10

Abstract

本发明提供了一种医学图像分割方法、系统、电子设备及存储介质，医学图像分割方法，包括：根据预设像素阈值对所述待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像；根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像。本发明提供的医学图像分割方法、系统、电子设备及存储介质，不仅通用性强，减少了繁琐的人机交互操作，而且分割精度高，能够更好的辅助医生提高诊断效率和准确性。

Description

医学图像分割方法、系统、电子设备及介质

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种医学图像分割方法、系统、电子设备及介质。

背景技术

当前心血管疾病是全世界死亡率最高的疾病，并且发病率和死亡率逐年上升，严重威胁着人类的生命健康。因此，对心血管疾病进行定量辅助诊断和介入治疗，对改善人类健康状况具有重要意义。心脏是人体心血管系统的关键器官，而现代医学成像技术能够提供丰富的结构和功能信息。因此，在治疗过程中，医生可以凭借心脏部位的医学图像来辅助诊断各种心脏相关疾病，例如钙化、主动脉夹层、动脉瘤等。

然而，由于心脏的复杂结构使得心脏的不同部位具有不同的特征，同时医学图像中不仅包括心脏组织还有心脏周围的其他组织，这给医生对患者的医学图像进行心脏结构分析，带来很大的难度。因此，对心脏医学图像进行精确分割尤为重要，精确分割能为医生提供高质量的心脏结构信息，有助于医生快速和精准诊断。

目前，心脏医学图像的常用分割方法包括：手动分割法、基于模型匹配的方法、基于可变模型的方法和基于深度学习的分割方法。大致说明如下：

1、手动分割法：依靠经验丰富的医学专家进行手动分割。在临床实践中，医生手动分割不仅费时费力，依赖医生经验，不同医生甚至同一医生的两次分割结果还都具有很大的可变性。由此可见，手动分割心脏医学图像的分割方法存在不仅差异化大而且需要花费大量的时间和精力的缺陷。

2、基于模式匹配的方法：通过自适应形状匹配实现一组CT图像序列与心脏平均模型进行匹配，从而完成对心脏的分割。该方法虽然可减少用户交互，然而，不同人(包括正常人以及有心脏疾病的病人)心脏形状以及动态多种多样，再加上心脏的复杂结构使得心脏的不同部位具有不同的特征，因此，建立包含心室所有可能的形状的通用模型是很困难的，而仅利用统一的心脏模板进行匹配分割的准确率较低，存在模型通用性、泛化性能差的问题。

3、基于可变模型的方法：该方法需要用户交互来完成分割，需要人工进行分割结果的确认及标注结果调整。因此，存在着鲁棒性差，且分割精度低的不足。

另外，虽然目前已经有很多血管图像分割的技术，但如前所述，由于心脏的复杂结构，应用于常规血管的医学图像分割技术却很难直接应用于心脏医学图像的分割。

上述虽然是以心脏医学图像的分割为例进行说明，以此推彼，本领域的技术人员，不难理解其他器官组织的医学图像分割方法，亦存在类似的缺陷。

鉴于此，如何提供一种医学图像分割方法，日益成为本领域技术人员亟待解决的技术问题之一。

需要说明的是，公开于该发明背景技术部分的信息仅仅旨在加深对本发明一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明的目的在于，针对相关技术中存在的不足，提供一种医学图像分割方法、系统、电子设备及介质，以减少繁琐的人机交互操作，提高医学图像的分割精度，从而更好地辅助医生提高诊断效率和准确性。

为实现上述目的，本发明通过以下技术方案予以实现：一种医学图像分割方法，包括：

根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像；

根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像。

可选地，所述根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像，包括：

根据预设第一上限阈值和预设第一下限阈值，对所述待分割医学图像进行分割，得到第二医学分割图像；

对所述待分割医学图像进行边缘检测，得到第三医学分割图像；并采用海森矩阵特征值增强算子增强所述待分割医学图像的边缘，得到边缘增强后的第四医学分割图像；

对所述边缘增强后的第四医学分割图像中的强边缘像素点和弱边缘像素点进行逻辑回归变换，得到第五医学分割图像；

对所述第二医学分割图像与所述第五医学分割图像进行逻辑与操作，得到第六医学分割图像；

对所述第六医学分割图像进行形态学连通域操作，保留最大连通域体积的区域，得到第七医学分割图像；

保留所述第三医学分割图像中与所述第七医学分割图像对应的连通域结果，得到所述第一医学分割图像。

可选地，在所述对所述待分割医学图像进行边缘检测，得到第三医学分割图像之前，还包括：

根据预设截断像素阈值，对所述第二医学分割图像进行截断处理，得到截断后的第二医学分割图像；

对所述截断后的第二医学分割图像的像素值进行线性缩放，以将所述第二医学分割图像的像素值缩放至0-255范围。

可选地，所述对所述待分割医学图像进行边缘检测，得到第三医学分割图像，包括：

根据预设第二上限阈值和第二下限阈值，采用Canny算子检测和连接所述第二医学分割图像的边缘；

根据所述待分割医学图像的边缘，分割得到第三医学分割图像。

可选地，所述根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像，包括：

对所述第一医学分割图像进行孔洞填充，得到孔洞填充后的第一医学分割图像；

根据预设形态学开操作信息，对所述孔洞填充后的第一医学分割图像进行形态学开操作，得到形态学开操作后的第一医学分割图像；

对所述形态学开操作后的第一医学分割图像进行连通域操作，得到所述目标器官组织的图像。

可选地，还包括通过以下方法获取所述目标器官组织上医学感兴趣区域的图像：

根据所述医学感兴趣区域的预设像素阈值，在所述待分割医学图像的医学感兴趣区域选取多个种子点；并根据所述种子点，采用自适应区域生长法，提取所述医学感兴趣区域的图像。

可选地，所述根据所述种子点，采用自适应区域生长法，提取医学感兴趣区域的图像，包括：

分别将每一个所述种子点作为生长的起点，并将与所述种子点相邻的像素点和所述种子点进行比较，将符合预设分割条件的所述相邻的像素点合并至所述种子点所在的区域，直至所有符合预设分割条件的像素点都被合并至所述种子点所在的区域，得到若干个区域生长结果；

将各个所述区域生长结果进行相加，得到所述医学感兴趣区域图像。

可选地，所述预设分割条件包括所述相邻的像素点的值在第三上限阈值和第三下限阈值之间；

在所述采用自适应区域生长法，提取所述医学感兴趣区域的图像之前，还包括：根据所述多个种子点的像素值，确定第三上限阈值和第三下限阈值。

可选地，所述根据所述多个种子点的像素值，确定第三上限阈值和第三下限阈值，包括：

对所述多个种子点的像素值进行统计，以确定出最大像素值和最小像素值；

根据所述最大像素值和最小像素值，确定所述第三上限阈值和所述第三下限阈值；

其中，所述第三上限阈值和所述第三下限阈值的计算公式如下所示：

T_max＝P_max*(1+β)

T_min＝P_min*(1-β)

式中，T_max为第三上限阈值，P_max最大像素值，T_min为第三下限阈值， P_min为最小像素值，β为调节因子，β的取值为0～1。

根据本发明的另一方面，本发明还提供了一种医学图像分割系统，所述医学图像分割系统包括：

图像分割单元，被配置为根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像；

图像优化单元，被配置为根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像。

根据本发明的又一方面，本发明还提供了一种医学图像获取系统，所述医学图像获取系统包括：

医学图像获取装置，被配置为获取待分割医学图像；

医学图像分割装置，被配置为对所述待分割医学图像进行分割；

其中，所述医学图像分割装置，包括图像分割单元和图像优化单元；

所述图像分割单元，被配置为根据预设像素阈值对所述待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像；

所述图像优化单元，被配置为根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像。

根据本发明的另一方面，本发明还提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述任一项所述的医学图像分割方法。

根据本发明的另一方面，本发明还提供了一种计算机可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一项所述的医学图像分割方法。

与现有技术相比，本发明提供的医学图像分割方法、系统、电子设备及存储介质，具有以下有益效果：

本发明提供的医学图像分割方法，通过根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像；根据预设优化目标，优化所述第一医学分割图像，得到所述目标器官组织的图像。由此可见，本发明提供的医学图像分割方法、系统、电子设备及存储介质，不仅减少了交互次数，提高了整体分割效率，而且能够提高医学图像的分割精度，从而能够更好的辅助医生提高诊断效率和准确性，很好的兼顾了分割效率和分割精度。进一步地，本发明提供的医学图像分割方法，能够适用于不同的目标组织器官和不同厂家设备的CTA图像，通用性强。

附图说明

图1为本发明一实施方式提供的医学图像分割方法的流程示意图；

图2为本发明一具体示例中的预处理之后的待分割医学图像(以主动脉瓣膜为例)的截面示意图；

图3为图1中步骤S1的具体流程示意图；

图4为本发明一具体示例中第二医学分割图像的截面示意图；

图5为本发明一具体示例中第三医学分割图像的截面示意图；

图6为本发明一具体示例中第五医学分割图像的截面示意图；

图7为本发明一具体示例中第六医学分割图像的截面示意图；

图8为本发明一具体示例中第七医学分割图像的截面示意图；

图9为本发明一具体示例中第一医学分割图像的截面示意图；

图10为本发明一具体示例中的目标器官组织的图像；

图11为本发明一具体示例中的目标器官组织和医学感兴趣区域(病变组织)的图像；

图12为本发明一具体示例中医学图像获取系统的结构框图；

其中，附图标记说明如下：

100-医学图像获取装置，200-医学图像分割装置，210-图像分割单元，220-图像优化单元；

A1-主动脉血管、A2-主动脉瓣膜、A3-瓣膜钙化、A4-心室血池。

具体实施方式

为使本发明的目的、优点和特征更加清楚，以下结合附图对本发明提出的医学图像分割方法、系统、电子设备及存储介质进一步详细说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。应当了解，说明书附图并不一定按比例地显示本发明的具体结构，并且在说明书附图中用于说明本发明某些原理的图示性特征也会采取略微简化的画法。本文所公开的本发明的具体设计特征包括例如具体尺寸、方向、位置和外形将部分地由具体所要应用和使用的环境来确定。以及，在以下说明的实施方式中，有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分，而省略其重复说明。在本说明书中，使用相似的标号和字母表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在适当情况下，如此使用的这些术语可替换。类似的，如果本文所述的方法包括一系列步骤，且本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。

本发明的核心思想在于提供一种医学图像分割方法、系统、电子设备及存储介质，以有效减少人机交互的繁琐操作，提高医学图像分割效率。

需要说明的是，本发明实施方式的电子设备包括但不限于个人计算机、移动终端等，该移动终端可以是手机、平板电脑等具有各种操作系统的硬件设备。

特别地，为了便于理解本发明，在本文中提供的各个实施例主要以分割主动脉瓣膜图像为例，更具体地，所述待分割主动脉瓣膜图像是CTA(计算机断层血管造影)体数据(例如，图像的三维数据)图像。根据本发明下述各实施方式所揭露的内容，本领域的技术人员不难理解：所述主动脉瓣膜图像也可以是MRA(核磁共振血管造影)图像，或者其它图像设备获取的医学图像；进一步地，所述待分割医学图像可以通过图像获取装置进行采集，例如CT、MRI等影像设备，也可以通过其他方式(比如互联网)搜集得到，当然还可以通过扫描设备扫描得到，所述待分割主动脉瓣膜图像的大小可以根据具体情况进行设置，本发明对此并不限制；更进一步地，本发明虽然是以分割主动脉瓣膜图像为例，显然地，本发明提供的医学图像分割方法还可以用于其它器官组织的分割，例如血管组织，包括但不限于神经血管、桡动脉血管等血管的分割；以及其他器官组织医学图像的分割，比如肝部、肺部、脑部等不再一一赘述。

以下对本发明提供的医学图像分割方法、系统、电子设备及存储介质予以示例性说明。

实施例一

本实施例提供了一种医学图像分割方法，请参考图1，其示意性地给出了本实施例的其中一种实施方式提供的医学图像分割方法的流程图，如图1所示，所述医学图像分割方法，包括：

步骤S1：根据预设像素阈值对所述待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像。

具体地，本领域的技术人员可以理解地，所述预设像素阈值可以根据待分割医学图像中所述目标器官组织的标定值确定。比如，所述待分割医学图像为CT图像，通常情况下CT图像的像素值经过标定以代表不同区域 /组织。若所述目标器官组织为肺组织，则所述预设像素阈值应为标定的肺组织的像素值的最大值和最小值。例如在该CT图像中，水的标定值为0，则像素值为0的代表水，肺组织的标定值为-600到-400，则像素值为-600 到-400代表的是肺组织，像素值为0-100的是心肌组织。由此，本发明根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取所述目标器官组织区域的图像，不仅减少了交互次数，同时也提高了整体分割效率。

步骤S2：根据预设优化目标，优化所述第一医学分割图像，得到所述目标器官组织的图像。由此，通过对步骤S1提取的第一医学分割图像优化，能够提高医学图像的分割精度，从而能够更好的辅助医生提高诊断效率和准确性。

由此可见，本发明提供的医学图像分割方法，根据预设像素阈值对所述待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像；根据预设优化目标，优化所述第一医学分割图像，得到所述目标器官组织的图像。如此配置，本发明提供的医学图像分割方法，不仅减少了交互次数，提高了整体分割效率，而且能够提高医学图像的分割精度，从而能够更好的辅助医生提高诊断效率和准确性，很好的兼顾了分割效率和分割精度。进一步地，本发明提供的医学图像分割方法，能够适用于不同的目标组织器官和不同厂家设备的 CTA图像，通用性强。

在其中一种优选实施方式中，在执行步骤S1根据预设像素阈值对待分割医学图像进行初步分割之前，还包括，获取所述待分割医学图像，并采用如下方式对所述待分割医学图像进行预处理。具体如下：

S01：根据预设图像归一化规则，对所述待分割医学图像的尺寸归一化，得到归一化后的待分割医学图像。

具体地，在其中一种实施方式中，所述待分割医学图像是CTA(计算机断层血管造影)体数据(例如，图像的三维数据)图像，大小例如选择为 512×512×130，当然具体实施时该大小可根据具体图像进行选择。如此配置，通过对所述待分割医学图像的尺寸归一化，能够进一步提高医学图像的分割效果和分割效率。

S02：对所述归一化后的待分割医学图像进行滤波处理，得到去除噪声信息后的待分割医学图像。本领域地技术人员可以理解地，本发明并不限制去除噪声信息的具体方法，比如，在其中一种示例性实施方式中，采用三维高斯滤波器滤除所述归一化后的待分割医学图像中的噪声信息；在另一种实施方式中，采用非局部平均去噪法用以去除所述归一化后的待分割医学图像中的噪声信息；在又一实施方式中采用三维块匹配滤波等等，不再一一示例。参见图2，图2为本发明一具体示例中的预处理之后的待分割医学图像(以主动脉瓣膜为例)的截面示意图。图中，A1指示区域为主动脉血管，A2指示区域为主动脉瓣膜，A3指示区域为瓣膜钙化，A4指示区域为心室血池。从图2可以看出，本发明提供的医学图像分割方法，通过去除待分割医学图像上的噪声信息，在保持原始信息完整性(即主要特征) 的同时，又能够去除信号中无用的信息，为后续提取所述第一医学分割图像的质量和分割效率奠定了良好的基础。可以理解地，作为优选实施方式，步骤S1中使用的所述待分割医学图像为预处理后的得到的所述待分割医学图像。

优选地，在其中一种优选实施方式中，请参考图3，其示意性地给出了步骤S1的具体流程示意图。如图3所示，步骤S1中：所述根据预设像素阈值对所述待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像，包括以下步骤：

S11：根据预设第一上限阈值和预设第一下限阈值，对所述待分割医学图像进行分割，得到第二医学分割图像。

具体地，在其中一种示例性实施方式中，仍以主动脉瓣膜分割为例，在其中一种示例性CT图像中，所述第一上限阈值预设为1500，所述第一下限阈值预设为200。如本领域的技术人员所理解的，这仅是示例性描述，而非本发明的限制，第一上限阈值和第一下限阈值的设定应根据待分割目标器官组织在CT图像中的像素值范围合理设置，不同的器官组织、甚至相同的器官组织在不同标定的CT图像上的第一上限阈值和第一下限阈值可能不同。

在其中一种优选实施方式中，参见图4，图4为由图2经过采用自适应阈值初步分割后得到的第二医学分割图像的截面示意图。根据第一上限阈值和第一下限阈值，通过将所述待分割医学图像中的像素值位于所述第一上限阈值和所述第一下限阈值之间的像素点置为白色(即像素值置为1)，将像素值小于所述第一下限阈值，或大于所述第一上限阈值的像素点置为黑色(即像素值置为0)，能够更加简单、高效地获取背景为黑色，目标区域(包含主动脉瓣膜区域)为白色的第一医学分割图像。

此外，需要说明的是，上述第一上限阈值和第一下限阈值为其在所述待分割医学图像中目标器官组织的像素值，例如，当所述待分割医学图像为CTA图像时，第一上限阈值和第一下限阈值是指第一上限阈值和第一下限阈值在所述CTA图像中的CT值，即HU值。

S12：对所述待分割医学图像进行边缘检测，得到第三医学分割图像；并采用海森矩阵特征值增强算子增强所述待分割医学图像的边缘，得到边缘增强后的第四医学分割图像。

较佳地，在其中一种优选实施方式中，所述对所述待分割医学图像进行边缘检测，得到第三医学分割图像，包括：

S121：根据预设第二上限阈值和第二下限阈值，采用Canny算子检测和连接所述待分割医学图像的边缘。

具体地，在其中一种实施方式中，采用Canny算子检测和连接所述待分割医学图像的边缘，包括：首先，用高斯滤波器平滑所述待分割医学图像；然后对平滑后的待分割医学图像用一阶偏导的有限差分来计算梯度的幅值和方向；接着对梯度幅值进行非极大值抑制，得到非极大值抑制图像。最后，用双阈值算法检测和连接边缘。

较佳地，双阈值算法检测和连接边缘的具体过程为：应用第二上限阈值和第二下限阈值(第二上限阈值大于第二下限阈值)，即一个高阀值和一个低阀值来区分边缘像素。如果边缘像素点梯度值大于第二上限阈值，则被认为是强边缘点；如果边缘梯度值小于第二上限阈值，大于第二下限阈值，则标记为弱边缘点。小于第二下限阈值的点则被抑制掉。至此，强边缘点可以认为是真的边缘。弱边缘点则可能是真的边缘，也可能是噪声或颜色变化引起的。通常认为真实边缘引起的弱边缘点和强边缘点是连通的，而由噪声引起的弱边缘点则不会。本领域的技术人员应该能够理解，所述第二上限阈值和所述第二下限阈值应根据目标器官组织的像素值确定，该实施例根据由主动脉瓣膜的像素值确定。然后进行滞后边界跟踪，所谓的滞后边界跟踪算法检查一个弱边缘点的8连通领域像素，只要有强边缘点存在，那么这个弱边缘点被认为是真是边缘保留下来。搜索所有连通的弱边缘，如果一条连通的弱边缘的任何一个点和强边缘点连通，则保留这条弱边缘，否则抑制这条弱边缘。搜索时可以用广度优先或者深度优先算法，本发明对此不作任何限制。

S122：根据所述待分割医学图像的边缘，分割得到第三医学分割图像。

请参考图5，图5为第三医学分割图像的截面示意图，如图5所示，通过检测和连接所述待分割医学图像的边缘，可以有效找出主动脉瓣膜的轮廓，从而能够将主动脉瓣膜与心室血池区分开。

进一步地，有关采用海森矩阵特征值增强算子增强所述待分割医学图像的边缘，得到边缘增强后的第四医学分割图像的具体细节，可以参考现有技术中相关采用海森矩阵特征值增强算子对图像边缘进行增强的相关描述，在此，不再赘述。

S13：对所述边缘增强后的第四医学分割图像中的强边缘像素点和弱边缘像素点进行逻辑回归变换，得到第五医学分割图像。

通过对所述边缘增强后的第四医学分割图像中的强血管特征和弱特征进行回归处理，即将所述强边缘像素点设置成黑色(即像素值置为0)，将所述弱边缘像素点设置成白色(即像素值置为1)，以获取第五医学分割图像。输出结果是强血管特征区域的像素值是1，弱血管特征区域的像素值是 0。如图6所示，图6为本发明一具体示例第五医学分割图像的截面示意图。从图6可以看出，通过对所述第四医学分割图像进行逻辑回归变换，可以进一步加强主动脉瓣膜区域的轮廓边界信息。

S14：对所述第二医学分割图像与所述第五医学分割图像进行逻辑与操作，得到第六医学分割图像。

具体地，如图7所示，图7为本发明一具体示例中第六医学分割图像的截面示意图。从图7可以看出，通过对所述第二医学分割图像(优选为经过下文中步骤S1201和步骤S1202处理后的第二医学分割图像)与所述第五医学分割图像进行逻辑与操作(将所述第二医学分割图像中的各像素点的像素值与所述第五医学分割图像中的对应像素点的像素值相乘)，可以进一步去除非主动脉瓣膜区域。

S15：对所述第六医学分割图像进行形态学连通域操作，保留最大连通域体积的区域，得到第七医学分割图像。

优选地，在其中一种示例性实施方式中，所述形态学连通域操的具体步骤为：扫描所述第六医学分割图像，从中任一选取一种子点，判断种子点的像素与相邻像素是否相同，如果相同则认为是同一区域，否则确定为是不同区域；对于不同区域的像素点作为一新的种子点，不断重复上述步骤，获取新的种子点所在的连通域，直至所述第六医学分割图像的所有像素点都扫描完成；然后计算所有连通域的体积，保留最大连通域体积的区域。。请继续参考图8，图8为本发明一具体示例中第七医学分割图像的截面示意图。如图8所示，对所述第六医学分割图像进行形态学连通域操作，保留最大连通域体积的区域，，可以进一步去除非主动脉瓣膜区域，只保留主动脉瓣膜区域。

S16：保留所述第三医学分割图像中与所述第七医学分割图像对应的连通结果，得到所述第一医学分割图像。

具体地，参见图9，图9为本发明一具体示例中第一医学分割图像的截面示意图。从图10可以看出，保留所述第三医学分割图像中与第七医学分割图像对应的连通结果，可以进一步去除非主动脉瓣膜区域，以进一步提高本发明提供的医学图像分割方法的分割效果，为获取高质量的主动脉瓣膜图像奠定良好的基础。

较佳地，在其中一种优选实施方式中，在步骤S12：所述对所述待分割医学图像进行边缘检测，得到第三医学分割图像之前，还包括：

S1201：根据预设截断像素阈值，对所述第二医学分割图像进行截断处理，得到截断后的第二医学分割图像；

S1202：对所述截断后的第二医学分割图像的像素值进行线性缩放，以将所述第二医学分割图像的像素值缩放至0-255范围。

由此，通过对所述待分割医学图像进行截断处理，可以将所述第二医学分割图像中的各像素点的像素值调整至预设范围内，例如0-800范围内。在具体操作时，可以将像素值在0-800范围内的像素点的像素值保持不变，将像素值小于0的像素点的像素值置为0，将像素值大于800的像素点的像素值置为800。最后通过对截断处理后的所述第二医学分割图像的像素值进行线性缩放，可以将所述第二医学分割图像中的各像素点的像素值缩放至0-255范围。具体地，可以采用如下公式进行像素值的线性缩放：

P′_i＝(P_i/800)*255

式中，P′_i为像素点i在截断处理后的所述第二医学分割图像中的像素值， P_i为所述像素点i在线性缩放后的所述第二医学分割图像中的像素值。

优选地，在其中一种示例性实施方式中，步骤S2中，所述根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像，包括：

S21：对所述第一医学分割图像进行孔洞填充，得到孔洞填充后的第一医学分割图像；

S22：根据预设形态学开操作信息，对所述孔洞填充后的第一医学分割图像进行形态学开操作，得到形态学开操作后的第一医学分割图像；

S23：对所述形态学开操作后的第一医学分割图像进行连通域操作，得到所述目标器官组织的图像。

由于血管内部会有一些异常区域会出现一些空洞区域，由此通过填洞填充算法可以对这些不与边界连接的孔洞进行填充。通过对经孔洞填充后的所述第一医学分割图像进行形态学开操作，可以有效去除一些边界干扰物体。其中，所述形态学开操作的具体参数可以根据具体情况进行设置，例如设置为1。参见图10，图10为本发明一具体示例中的目标器官组织的图像。从图10可以看出，通过对经形态学开操作后的所述第一医学分割图像进行连通域分析，例如最大连通域法，能够有效去除小目标区域干扰区域(非主动脉瓣膜区域)，例如去除与髂总动脉血管接近的骨骼区域，从而获得更加纯净和精准的主动脉瓣膜图像。

综上，本发明提供的医学图像分割方法，不仅减少了交互次数，提高了整体分割效率，而且能够提高医学图像的分割精度，从而能够更好的辅助医生提高诊断效率和准确性，很好的兼顾了分割效率和分割精度。进一步地，本发明提供的医学图像分割方法，能够适用于不同的目标组织器官和不同厂家设备的CTA图像，通用性强。

实施例二

本实施例提供了一种医学图像分割方法，用于获取所述目标器官组织上的医学感兴趣区域的图像，包括：

S3：根据所述医学感兴趣区域的预设像素阈值，在所述待分割医学图像的医学感兴趣区域选取多个种子点；并根据所述种子点，采用自适应区域生长法，提取所述医学感兴趣区域的图像。

为了便于理解，下文以目标器官组织上的病变组织作为所述医学感兴趣区域为例进行说明，显然，这并非本发明的限制，所述医学感兴趣区域可以是目标器官组织上的任何区域，如本领域技术人员所理解的，无论是在临床医学还是在医学研究领域，病变组织大部分情况下是医学感兴趣区域的典型示例。

较佳地，如本领域的技术人员可以理解地，所述种子点应根据所述病变组织的具体病变特点进行选择。举例而言，比如钙化、主动脉夹层、动脉瘤等。当待分割出的病变组织为主动脉瓣膜钙化时，为了取得更好的分割效果和提高分割效率，应根据主动脉瓣膜钙化特点在主动脉瓣膜钙化区域选取合适的种子点个数(至少两个)及位置，而不应随意选取。进一步地，本发明不限定选取所述种子点的具体方法，可以根据所述待分割医学图像在显示设备(包括但不限于显示器、投影屏幕等)上的可视化显示手动选取，也可以根据病变组织的预设像素阈值由机器自动选取，或者根据预设选取算法动态获取，本发明对此不作限制。如前所述，所述预设像素阈值可以根据待分割医学图像中对所述病变组织的标定值确定，在此不再赘述。由此，本发明通过一次性选取多个种子点的方法，提取所述病变组织区域的图像，不仅减少了交互次数，同时也提高了整体分割效率。

由于获取所述目标器官组织的图像和获取所述目标器官组织上的病变组织的图像均基于待分割医学图像，根据目标器官组织的特点和病变组织的特点，分别采用了不同的分割方法，因此，在具体实施时，可以先获取所述目标器官组织上的病变组织的图像，再获取所述目标器官组织的图像；也可以先获取所述目标器官组织的图像，再获取所述目标器官组织上的病变组织的图像；甚至，若算力资源充裕，可以并行的获取所述目标器官组织的图像和所述病变组织的医学图像。以进一步提高医学图像的分割效率。

优选地，在其中一种示例性实施方式中，还包括合并所述病变组织的图像和所述目标器官组织的图像，得到目标医学图像。

参见图11，图11为本发明一具体示例中的目标器官组织和病变组织的图像，对比图11和图10中白色椭圆标注的区域不难发现：与图10相比，图11中的瓣膜钙化区域(医学感兴趣区域、病变组织)更加精细。本发明提供的医学图像分割方法，通过分别获取所述目标器官组织的图像和所述病变组织的图像，然后再将所述目标器官组织的图像和病变组织的图像进行结合，显著提高了医学图像的分割效率和分割精度，从而能够更好的辅助医生提高诊断准确性。

由此可见，本实施例提供的医学图像分割方法，通过至少两个点就可以对CTA主动脉瓣膜及钙化进行分割，不仅提高整体分割算法精度，还减少了交互繁琐操作。进一步地，本发明提供的医学图像分割算法通用性强，适用于不同厂家设备的CTA主动脉瓣膜图像，可以更好的辅助医生提高诊断准确性。进一步地，本领域的技术人员可以理解地，本发明虽然以瓣膜钙化为例对分割病变组织的方式进行了说明，对于其他的病组织，比如主动脉夹层、动脉瘤等也是适用的，不再一一赘述。

较佳地，在其中一种优选实施方式中，所述根据所述种子点，采用自适应区域生长法，提取医学感兴趣区域的图像，包括：

S31：分别将每一个所述种子点作为生长的起点，并将与所述种子点相邻的像素点和所述种子点进行比较，将符合预设分割条件的所述相邻的像素点合并至所述种子点所在的区域，直至所有符合预设分割条件的像素点都合并进来，得到若干个区域生长结果。

S32：将各个所述区域生长结果进行相加，得到所述医学感兴趣区域的图像。

具体地，区域生长(region growing)是指将成组的像素或区域发展成更大区域的过程，即从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。

优选地，在其中一种优选实施方式中，所述预设分割条件包括所述相邻的像素点的值在第三上限阈值和第三下限阈值之间。

在所述采用自适应区域生长法，提取所述病变组织的图像之前，还包括：根据所述多个种子点的像素值，确定第三上限阈值和第三下限阈值。

具体地，在其中一种示例性实施方式中，可以通过下述方式确定第二上限阈值和第二下限阈值：

根据所述最大像素值和所述最小像素值，确定所述第三上限阈值和所述第三下限阈值；

T_max＝P_max*(1+β)

T_min＝P_min*(1-β)

式中，T_max为第三上限阈值，P_max最大像素值，T_min2为第三下限阈值， P_min2为最小像素值，β为调节因子，β的取值为0～1。

由此，通过根据所述多个种子点的像素值，计算出第三上限阈值和第三下限阈值，再根据第三上限阈值和第三下限阈值，分别采用区域生成法对所述待分割医学图像的每一相邻的两个所述种子点之间的区域进行合并 (即将像素值在第三上限阈值和第三下限阈值之间的像素点合并在一起)，从而能够更加简单、高效地采用区域生长法对所述待分割医学图像的每一相邻的两所述种子点之间的区域进行合并。

进一步地，如本领域技术人员所能理解的，所述β的取值可以根据具体情况进行设置。例如，当所述待分割医学图像为CTA图像时，所述β的取值为0.2。此外，需要说明的是，上述第三上限阈值和第三下限阈值的计算公式中的，所述种子点的像素值是指所述种子点在所述待分割医学图像中的像素值，例如，当所述待分割血医学像为CTA图像时，所述种子点的像素值是指所述种子点在所述CTA图像中的CT值，即HU值。

基于同一发明构思，本发明的再一实施例提供了一种医学图像分割系统，所述医学图像分割系统，包括图像分割单元和图像优化单元。

具体地，所述图像分割单元，被配置为根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像。所述图像优化单元，被配置为根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像。

由于本发明提供的医学图像分割系统与本发明提供的医学图像分割方法属于同一发明构思，因此至少具有相同的有益效果，在此，不再一一赘述。

基于同一发明构思，本发明的再一实施方式还提供了一种医学图像获取系统，参见图12，所述医学图像获取系统包括：医学图像获取装置100 和医学图像分割装置200。

具体地，所述医学图像获取装置100，被配置为获取待分割医学图像。其中，所述医学图像获取装置100被配置为获取待优化医学图像；所述医学图像获取装置100包括但不限于CT、MRI等影像设备、连接于互联网且能够从互联网获取待优化医学图像的电子设备，或者能够获取所述待优化医学图像的扫描设备。医学图像分割装置，被配置为对所述待分割医学图像进行分割。

所述医学图像分割装置200，包括图像分割单元210和图像优化单元 220。其中，所述图像分割单元210，被配置为根据预设像素阈值对所述待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像。所述图像优化单元220，被配置为根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像。

由于本发明提供的医学图像获取系统与本发明提供的医学图像分割方法属于同一发明构思，因此，至少具有相同的有益效果，在此，不再一一赘述。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

应当注意的是，在本文的实施方式中所揭露的系统和方法，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

基于同一发明构思，本发明的又一实施例还提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述任一实施方式所述的医学图像分割方法。

本发明的再一实施例还提供了一种计算机可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时可以实现上文所述的医学图像分割方法的步骤。

本发明实施方式的可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其组合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

需要说明的是，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

由此可见，本发明提供的医学图像分割方法、系统、电子设备及存储介质，不仅减少了交互次数，提高了整体分割效率，而且能够提高医学图像的分割精度，从而能够更好的辅助医生提高诊断效率和准确性，很好的兼顾了分割效率和分割精度。进一步地，本发明提供的医学图像分割方法，能够适用于不同的目标组织器官和不同厂家设备的CTA图像，通用性强。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

综上，上述实施例对本发明提出的医学图像分割方法、系统、电子设备及存储介质的不同构型进行了详细说明，当然，上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明包括但不局限于上述实施中所列举的构型，本领域技术人员可以根据上述实施例的内容举一反三，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims

1.一种医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的医学图像分割方法，其特征在于，所述根据预设像素阈值对待分割医学图像进行初步分割，并对初步分割得到的医学图像进行边缘检测及特征增强，提取得到第一医学分割图像，包括：

3.根据权利要求2所述的医学图像分割方法，其特征在于，在所述对所述待分割医学图像进行边缘检测，得到第三医学分割图像之前，还包括：

4.根据权利要求2所述的医学图像分割方法，其特征在于，所述对所述待分割医学图像进行边缘检测，得到第三医学分割图像，包括：

根据预设第二上限阈值和第二下限阈值，采用Canny算子检测和连接所述待分割医学图像的边缘；

5.根据权利要求2所述的医学图像分割方法，其特征在于，所述根据预设优化目标，优化所述第一医学分割图像，得到目标器官组织的图像，包括：

6.根据权利要求1所述的医学图像分割方法，其特征在于，还包括通过以下方法获取所述目标器官组织上医学感兴趣区域的图像：

7.根据权利要求6所述的医学图像分割方法，其特征在于，所述根据所述种子点，采用自适应区域生长法，提取医学感兴趣区域的图像，包括：

8.根据权利要求7所述的医学图像分割方法，其特征在于，所述预设分割条件包括所述相邻的像素点的值在第三上限阈值和第三下限阈值之间；

9.根据权利要求8所述的医学图像分割方法，其特征在于，所述根据所述多个种子点的像素值，确定第三上限阈值和第三下限阈值，包括：

T_max＝P_max*(1+β)

T_min＝P_min*(1-β)

式中，T_max为第三上限阈值，P_max最大像素值，T_min为第三下限阈值，P_min为最小像素值，β为调节因子，β的取值为0～1。

10.一种医学图像分割系统，其特征在于，包括：

11.一种医学图像获取系统，其特征在于，包括：

医学图像获取装置，被配置为获取待分割医学图像；

12.一种电子设备，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1至9中任一项所述的医学图像分割方法。

13.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至9中任一项所述的医学图像分割方法。