(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210260829.X (22)申请日 2022.03.17 (65)同一申请的已公布的文献号 申请公布号 CN 114359311 A (43)申请公布日 2022.04.15 (73)专利权人 珠海市人民医院 地址 519000 广东省珠海市香洲区康宁路 79号 (72)发明人 刘秀娟　董丹丹　陈敏　詹润根　 于向荣　 (74)专利代理 机构 石家庄嘉宏 智信知识产权代 理有限公司 1316 0 专利代理师 李兵 (51)Int.Cl. G06T 7/11(2017.01)G06V 10/44(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (56)对比文件 CN 108305268 A,2018.07.20 CN 102903103 A,2013.01.3 0 马翔等.基 于空间信息熵活动轮廓模型的图 像分割. 《控制工程》 .2018,(第1 1期), 张梦梦等.基于局部熵的边界与区域水平集 图像分割模型. 《系统工程与电子技 术》 .2016, (第12期), 审查员 邢丽超 (54)发明名称 基于人工智能的医学影 像分割方法与系统 (57)摘要 本发明提供了一种基于人工智能的医学影 像分割方法与系统， 该方法包括以下步骤： 根据 分割目标医学影像集的轮廓图， 构建目标轮廓分 布模型； 获取待分割医学图像的目标分割图像； 调节目标轮廓分布模型中的参数， 使目标轮廓分 布模型对应的目标轮廓与 目标分割图像的目标 轮廓适配度最大， 取目标轮廓分布模 型对应的目 标轮廓为模 型轮廓； 融合模型轮廓与目标分割图 像得到待分割医学图像的最终分割结果。 本发明 提高了医学影 像分割的准确性。 权利要求书1页 说明书6页 附图1页 CN 114359311 B 2022.06.07 CN 114359311 B 1.一种基于人工智能的医学影 像分割方法， 其特 征在于， 该 方法包括以下步骤： 根据分割目标医学影 像集的轮廓图， 构建目标轮廓分布模型； 获取待分割医学图像的目标分割图像； 根据目标分割图像像素点的信 息熵指标将目标 分割图像分为第一区域、 第二区域， 获取目标分割图像中位于第一区域的目标轮廓得到可 信轮廓； 所述根据目标分割图像像素点的信息熵指标将目标分割图像分为第一区域、 第二 区域包括： 根据聚类算法将各像素点的信息熵指标分为两类， 信息熵指标平均值较小的类 别对应的像素点集合组成第一区域， 信息熵指标平均值较大的类别对应的像素点集合组成 第二区域； 得到所述像素点的信息熵指标的实现方式具体为： 根据像素点所在位置的像素 值在待分割医学图像中出现的概率得到像素点的基础信息熵， 对待分割医学图像进行均值 滤波得到均值图像， 根据均值图像像素点所在位置的像素值在均值图像中出现的概率得到 像素点的邻域信息熵， 根据像素点的基础信息熵与邻域信息熵得到像素点的信息熵指标； 调节目标轮廓分布模型中的参数， 使目标轮廓分布模型对应的目标轮廓与目标分割图 像的可信轮廓的适配度最大， 取目标轮廓分布模型对应的目标轮廓为模型轮廓； 融合模型轮廓与目标分割图像得到待分割医学图像的最终分割结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述目标轮廓分布模型 具体为： 从轮廓图中采样轮廓点， 根据采样轮廓点的坐标得到轮廓向量， 计算分割目标医学影 像集中的所有轮廓图的轮廓向量的均值得到平均轮廓向量， 根据分割目标医学影像集中的 每张轮廓图的轮廓向量与 平均轮廓向量的偏差向量得到偏差空间， 根据 平均轮廓向量与偏 差空间构建目标轮廓分布模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据分割目标医学影像集中的每张轮 廓图的轮廓向量与平均轮廓向量的偏差向量得到偏差空间包括： 分割目标医学影像集中的每张轮廓图的轮廓向量与平均轮廓向量的偏差向量组成轮 廓偏差矩阵， 对轮廓偏差矩阵进行主成分 分析得到主成分向量， 主成分向量构成偏差空间。 4.根据权利要求1所述的方法， 其特 征在于， 所述 适配度包括重 叠程度。 5.根据权利要求1所述的方法， 其特征在于， 所述融合模型轮廓与目标分割图像得到待 分割医学图像的最终分割结果包括： 根据像素点的信 息熵指标分别生成模型轮廓与目标分割图像的权重掩膜， 根据权重掩 膜融合模型轮廓与目标分割图像得到最终分割结果。 6.一种基于人工智能的医学影像分割系统， 包括存储器、 处理器以及存储在存储器上 并可在处理器上运行 的计算机程序， 其特征在于， 所述计算机程序被处理器执行时实现如 权利要求1至 5任一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114359311 B 2基于人工智能的医学影像分割方 法与系统 技术领域 [0001]本发明涉及人工智能、 智 慧医疗领域， 具体涉及一种基于人工智能的医学影像分 割方法与系统。 背景技术 [0002]随着医学成像技术和计算机技术的飞速发展， 医学图像分析已经成为医疗领域内 不可缺少的一环， 在医学领域中， 病灶的提取、 疾病的诊断均离不开医学影像的处理。 在医 学影像的图像处理领域中， 正确分割 特定结构是至关重要的， 后续处理均是在分割 出来的 目标区域内进行的， 所以如何获得准确的医学影 像分割图像是亟 待解决的问题。 发明内容 [0003]为了解决以上问题， 本发明提出了一种基于人工智能的医学影像分割方法， 该方 法包括以下步骤： [0004]根据分割目标医学影 像集的轮廓图， 构建目标轮廓分布模型； [0005]获取待分割医学图像的目标分割图像； 根据目标分割图像像素点的信息熵指标将 目标分割图像分为第一区域、 第二区域， 第一区域的信息熵指标低于第二区域的信息熵指 标， 获取目标分割图像中位于第一区域的目标轮廓得到可信轮廓； [0006]调节目标轮廓分布模型中的参数， 使目标轮廓分布模型对应的目标轮廓与目标分 割图像的可信轮廓的适配度最大， 取目标轮廓分布模型对应的目标轮廓为模型轮廓； [0007]融合模型轮廓与目标分割图像得到待分割医学图像的最终分割结果。 [0008]优选地， 所述目标轮廓分布模型 具体为： [0009]从轮廓图中采样轮廓点， 根据采样轮廓点的坐标得到轮廓向量， 计算分割目标医 学影像集中的所有轮廓图的轮廓向量的均值得到平均轮廓向量， 根据分割目标医学影像集 中的每张轮廓图的轮廓向量与平均轮廓向量的偏差向量得到偏差空间， 根据 平均轮廓向量 与偏差空间构建目标轮廓分布模型。 [0010]优选地， 所述根据分割目标医学影像集中的每张轮廓图的轮廓向量的偏差向量得 到偏差空间包括： [0011]分割目标医学影像集中的每张轮廓图的轮廓向量与平均轮廓向量的偏差向量组 成轮廓偏差矩阵， 对轮廓偏差矩阵进行主成分分析得到主成分向量， 主成分向量构成偏差 空间。 [0012]优选地， 所述 适配度包括重 叠程度。 [0013]优选地， 所述根据目标分割图像像素点的信息熵指标将目标分割图像分为第一区 域、 第二区域包括： [0014]根据聚类算法将 各像素点的信息熵指标分为两类， 信息熵指标平均值较小的类别 对应的像素点集合组成第一区域； 信息熵指标平均值较大的类别对应的像素点集合组成第 二区域。说　明　书 1/6 页 3 CN 114359311 B 3