一种基于边界框的交互学习式水平集演化肠道实例分割方法

本发明公开了一种基于边界框的交互学习式水平集演化肠道实例分割方法，涉及医学图像中肠道分割技术领域，首次将实例分割引入肠道分割中。包含两个阶段：在第一阶段，采用了一个三分支编码‑解码网络结构来预测包含一个肠段的2D边界框的中心点、边界框的尺寸并进行隐式亲和图谱学习去刻画实例间差异。在第二阶段，基于从网络学习到的先验信息建立了一个交互式活动轮廓模型进行实例分割。本发明通过使用第一、二分支预测的边界框进行定位，第三分支预测的高级特征来增强边界的可区分性，在每个边界框内进行水平集演化，实现肠道细粒度的实例分割。本发明可以全自动的完成肠道分割，得到更精确、更细粒度的肠道分割结果，具有较高的临床应用价值。