CN113487536B 图像分割方法、计算机设备和存储介质（上海联影智能医疗科技有限公司）

(19)国家知识产权局(12)发明专利(10)授权公告号CN113487536B(65)同一申请的已公布的文献号(73)专利权人上海联影智能医疗科技有限公司地址200232上海市徐汇区龙腾大道2879号3楼3674室(74)专利代理机构北京华进京联知识产权代理有限公司11606专利代理师唐德君审查员刘旭婉图像分割方法、计算机设备和存储介质本申请涉及一种图像分割方法、计算机设备和存储介质。所述方法包括：对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；脂肪抑制磁共振图像包括感兴趣区域；将处理后的脂肪抑制磁共振图像输入预设的分割网络，通过分割网络得到感兴趣区域的掩膜图像；根据脂肪抑制磁共振图像和掩膜图像，得到脂肪抑制磁共振图像中感兴趣区域的分割结果。采用本方法能够准确地得到脂肪抑制磁共振图像中感兴趣区域的分割结果。对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；脂肪抑制磁共振图像包括感兴趣区域根据脂肪抑制磁共振图像和掩膜图像，得到脂肪抑制磁共振图像中感兴趣区域的分割结果2对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；所述脂肪抑制磁共振图像包括感兴趣将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区域的掩膜图像；所述分割网络包括编码单元和解码单元，所述分割网络的卷积层包括填充卷积，所述填充卷积用于对所述处理后的脂肪抑制磁共振图像进行边界填充；根据所述脂肪抑制磁共振图像和所述掩膜图像，得到所述脂肪抑制磁共振图像中感兴趣区域的分割结果；所述将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得将所述处理后的脂肪抑制磁共振图像输入所述编码单元，采用填充卷积对所述处理后的脂肪抑制磁共振图像进行边界填充，并对边界填充后的脂肪抑制磁共振图像进行下采样，得到所述处理后的脂肪抑制磁共振图像对应的下采样特征图；将所述下采样特征图输入所述解码单元，采用所述填充卷积对所述下采样特征图进行边界填充，并对边界填充后的下采样特征图进行上采样，得到所述感兴趣区域的掩膜图像。2.根据权利要求1所述的方法，其特征在于，所述编码单元包括多个卷积块，各卷积块由卷积层和池化层组成，且各所述卷积层连接所述分割网络的归一化层和激活函数层；所述卷积层包括所述填充卷积；所述填充卷积用于对所述脂肪抑制磁共振图像进行边界填充，增加所述脂肪抑制磁共振图像对应的图像矩阵的大小；所述解码单元包括多个反卷积块，各反卷积块由卷积层和反卷积层组成，各所述卷积层连接所述归一化层和所述激活函数层；其中，所述卷积块的数量与所述反卷积块的数量相同；所述归一化层采用的函数为实例归一化函数；所述激活函数层采用的函数为带泄露修正线性单元函数。3.根据权利要求2所述的方法，其特征在于，所述分割网络还包括连接单元；所述编码单元通过所述连接单元与所述解码单元连接；所述将所述下采样特征图输入所述解码单通过所述连接单元将第一卷积块输出的下采样特征图和第一反卷积块输出的上采样特征图连接，得到连接后的特征图；所述第一反卷积块为与所述第一卷积块相对应的反卷将所述连接后的特征图输入第二反卷积块中进行上采样，得到所述感兴趣区域的掩膜图像；所述第二反卷积块为与所述第一反卷积块相邻的下一反卷积块。4.根据权利要求2所述的方法，其特征在于，所述卷积块与所述反卷积块的数量根据所述脂肪抑制磁共振图像的尺寸、所述上采样特征图的尺寸和所述下采样特征图的尺寸确5.根据权利要求1所述的方法，其特征在于，所述对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像之前，所述方法还包括：根据所述脂肪抑制磁共振图像的尺寸和所述脂肪抑制磁共振图像的各体素间的间距，对所述脂肪抑制磁共振图像进行重采样，得到重采样后的磁共振图像。36.根据权利要求1至5任意一项所述的方法，其特征在于，所述分割网络的训练过程包获取样本脂肪抑制磁共振图像以及所述样本脂肪抑制磁共振图像对应的金标准图像；所述样本脂肪抑制磁共振图像中包括样本感兴趣区域；对所述样本脂肪抑制磁共振图像进行分块处理，以各样本图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的样本脂肪抑制磁共振图像；将所述处理后的样本脂肪抑制磁共振图像输入初始分割网络，通过所述初始分割网络得到所述样本感兴趣区域的样本掩膜图像；根据所述样本掩膜图像和所述金标准图像，得到所述初始分割网络的损失函数的值；所述初始分割网络的损失函数包括Dice损失函数和交叉熵损失函数；所述初始分割网络的损失函数的值为所述Dice损失函数的值和所述交叉熵损失函数的值之和；根据所述初始分割网络的损失函数的值，对所述初始分割网络进行训练，得到所述分割网络。对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；将所述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过所述乳房分割网络获取乳房掩膜图像；所述乳房分割网络包括第一编码单元和第一解码单元，所述乳房分割网络的卷积层包括填充卷积，所述填充卷积用于对所述处理后的脂肪抑制乳腺图像进行边界填充；根据所述乳房掩膜图像与所述脂肪抑制乳腺图像，获取乳房分割图像；将所述乳房分割图像输入预设的腺体分割网络，通过所述腺体分割网络得到腺体掩膜图像；所述腺体分割网络包括第二编码单元和第二解码单元；所述腺体分割网络的卷积层包括填充卷积，所述填充卷积用于对所述乳房分割图像进行边界填充；根据所述腺体掩膜图像与所述脂肪抑制乳腺图像，或者根据所述腺体掩膜图像与所述根据所述乳房分割图像和所述腺体分割图像，获取所述脂肪抑制乳腺图像对应的乳腺所述将所述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过所述乳房分割将所述处理后的脂肪抑制乳腺图像输入所述第一编码单元，采用填充卷积对所述处理后的脂肪抑制磁共振图像进行边界填充，并对边界填充后的脂肪抑制乳腺图像进行下采样，得到所述处理后的脂肪抑制乳腺图像对应的下采样特征图；将所述下采样特征图输入所述第一解码单元，采用所述填充卷积对所述下采样特征图进行边界填充，并对边界填充后的下采样特征图进行上采样，得到所述乳房掩膜图像；所述将所述乳房分割图像输入预设的腺体分割网络，通过所述腺体分割网络得到腺体将所述乳房分割图像输入所述第二编码单元，采用填充卷积对所述乳房分割图像进行边界填充，并对边界填充后的乳房分割图像进行下采样，得到所述处理后的乳房分割图像4对应的下采样特征图；将所述下采样特征图输入所述第二解码单元，采用所述填充卷积对所述下采样特征图进行边界填充，并对边界填充后的下采样特征图进行上采样，得到所述腺体掩膜图像。第一获取模块，用于对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；所述脂肪抑制磁共振图像包括感兴趣区域；第一分割模块，用于将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区域的掩膜图像；所述分割网络包括编码单元和解码单元，所述分割网络的卷积层包括填充卷积，所述填充卷积用于对所述处理后的脂肪抑制磁共振图像进行边界填充；第二获取模块，用于根据所述脂肪抑制磁共振图像和所述掩膜图像，得到所述脂肪抑制磁共振图像中感兴趣区域的分割结果；所述第一分割模块包括下采样单元和上采样单元；所述下采样单元，用于将所述处理后的脂肪抑制磁共振图像输入所述编码单元，采用填充卷积对所述处理后的脂肪抑制磁共振图像进行边界填充，并对边界填充后的脂肪抑制磁共振图像进行下采样，得到所述处理后的脂肪抑制磁共振图像对应的下采样特征图；所述上采样单元，用于将所述下采样特征图输入所述解码单元，采用所述填充卷积对所述下采样特征图进行边界填充，并对边界填充后的下采样特征图进行上采样，得到所述感兴趣区域的掩膜图像。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中任一项所述的方法的步骤。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。5图像分割方法、计算机设备和存储介质技术领域[0001]本申请涉及医学图像技术领域，特别是涉及一种图像分割方法、计算机设备和存储介质。背景技术[0002]医学图像病灶区域的分割在计算机辅助诊断系统中具有重要意义，通过计算机辅助诊断系统能够对医学图像中分割的病灶进行准确地检测，例如，对乳腺癌的早期检测与诊断可以有效地提高乳腺癌的治愈率，而在基于三维磁共振图像的计算机辅助诊断系统中，对乳房组织和腺体组织的分割具有重要意义。[0003]目前，大多数分割方法是基于非脂肪抑制磁共振图像实现组织和病灶的分割，难以对脂肪抑制磁共振图像中的组织和病灶进行准确地分割。发明内容[0004]基于此，有必要针对上述技术问题，提供一种能够对脂肪抑制磁共振图像中的组织和病灶进行准确地分割的图像分割方法、计算机设备和存储介质。[0006]对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；所述脂肪抑制磁共振图像包括感兴趣区域；[0007]将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区域的掩膜图像；[0008]根据所述脂肪抑制磁共振图像和所述掩膜图像，得到所述脂肪抑制磁共振图像中感兴趣区域的分割结果。[0009]在其中一个实施例中，所述分割网络包括：编码单元和解码单元；所述将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区[0010]将所述处理后的脂肪抑制磁共振图像输入所述编码单元，采用填充卷积对所述处理后的脂肪抑制磁共振图像进行边界填充，并对边界填充后的脂肪抑制磁共振图像进行下采样，得到所述处理后的脂肪抑制磁共振图像对应的下采样特征图；[0011]将所述下采样特征图输入所述解码单元，采用所述填充卷积对所述下采样特征图进行边界填充，并对边界填充后的下采样特征图进行上采样，得到所述感兴趣区域的掩膜图像。[0012]在其中一个实施例中，所述编码单元包括多个卷积块，各卷积块由卷积层和池化层组成，且各所述卷积层连接所述分割网络的归一化层和激活函数层；所述卷积层包括所述填充卷积；所述填充卷积用于对所述脂肪抑制磁共振图像进行边界填充，增加所述脂肪抑制磁共振图像对应的图像矩阵的大小；所述解码单元包括多个反卷积块，各反卷积块由6卷积层和反卷积层组成，各所述卷积层连接所述归一化层和所述激活函数层；其中，所述卷积块的数量与所述反卷积块的数量相同；所述归一化层采用的函数为实例归一化函数；所述激活函数层采用的函数为带泄露修正线性单元函数。[0013]在其中一个实施例中，所述分割网络还包括连接单元；所述编码单元通过所述连接单元与所述解码单元连接；所述将所述下采样特征图输入所述解码单元，对所述下采样特征图进行上采样，得到所述感兴趣区域的掩膜[0014]通过所述连接单元将第一卷积块输出的下采样特征图和第一反卷积块输出的上采样特征图连接，得到连接后的特征图；所述第一反卷积块为与所述第一卷积块相对应的反卷积块；[0015]将所述连接后的特征图输入第二反卷积块中进行上采样，得到所述感兴趣区域的掩膜图像；所述第二反卷积块为与所述第一反卷积块相邻的下一反卷积块。[0016]在其中一个实施例中，所述卷积块与所述反卷积块的数量根据所述脂肪抑制磁共振图像的尺寸、所述上采样特征图的尺寸和所述下采样特征图的尺寸确定。[0017]在其中一个实施例中，所述对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像之前，所述方法还包括：[0018]根据所述脂肪抑制磁共振图像的尺寸和所述脂肪抑制磁共振图像的各体素间的间距，对所述脂肪抑制磁共振图像进行重采样，得到重采样后的磁共振图像。[0019]在其中一个实施例中，所述分割网络的训练过程包括：[0020]获取样本脂肪抑制磁共振图像以及所述样本脂肪抑制磁共振图像对应的金标准图像；所述样本脂肪抑制磁共振图像中包括样本感兴趣区域；[0021]对所述样本脂肪抑制磁共振图像进行分块处理，以各样本图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的样本脂肪抑制磁共振图像；[0022]将所述处理后的样本脂肪抑制磁共振图像输入初始分割网络，通过所述初始分割网络得到所述样本感兴趣区域的样本掩膜图像；[0023]根据所述样本掩膜图像和所述金标准图像，得到所述初始分割网络的损失函数的值；所述初始分割网络的损失函数包括Dice损失函数和交叉熵损失函数；所述初始分割网络的损失函数的值为所述Dice损失函数的值和所述交叉熵损失函数的值之和；[0024]根据所述初始分割网络的损失函数的值，对所述初始分割网络进行训练，得到所述分割网络。[0026]对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；[0027]将所述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过所述乳房分割网络获取乳房掩膜图像；[0028]根据所述乳房掩膜图像与所述脂肪抑制乳腺图像，获取乳房分割图像；[0029]将所述乳房分割图像输入预设的腺体分割网络，通过所述腺体分割网络得到腺体掩膜图像；[0030]根据所述腺体掩膜图像与所述脂肪抑制乳腺图像，或者根据所述腺体掩膜图像7与所述乳房分割图像，获取腺体分割图像；[0031]根据所述乳房分割图像和所述腺体分割图像，获取脂肪抑制乳腺图像对应的乳腺密度。[0033]第一获取模块，用于对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；所述脂肪抑制磁共振图像包括感兴趣区域；[0034]第一分割模块，用于将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区域的掩膜图像；[0035]第二获取模块，用于根据所述脂肪抑制磁共振图像和所述掩膜图像，得到所述脂肪抑制磁共振图像中感兴趣区域的分割结果。[0037]第一获取模块，用于对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；[0038]第一分割模块，用于将所述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过所述乳房分割网络获取乳房掩膜图像；[0039]第二获取模块，用于根据所述乳房掩膜图像与所述脂肪抑制乳腺图像，获取乳房分割图像；[0040]第二分割模块，用于将所述乳房分割图像输入预设的腺体分割网络，通过所述腺体分割网络得到腺体掩膜图像；[0041]第三获取模块，用于根据所述腺体掩膜图像与所述脂肪抑制乳腺图像，或者根据所述腺体掩膜图像与所述乳房分割图像，获取腺体分割图像；[0042]第四获取模块，用于根据所述乳房分割图像和所述腺体分割图像，获取所述脂肪抑制乳腺图像对应的乳腺密度。[0043]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：[0044]对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；所述脂肪抑制磁共振图像包括感兴趣区域；[0045]将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区域的掩膜图像；[0046]根据所述脂肪抑制磁共振图像和所述掩膜图像，得到所述脂肪抑制磁共振图像中感兴趣区域的分割结果。[0047]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：[0048]对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；[0049]将所述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过所述乳房分割网络获取乳房掩膜图像；8[0050]根据所述乳房掩膜图像与所述脂肪抑制乳腺图像，获取乳房分割图像；[0051]将所述乳房分割图像输入预设的腺体分割网络，通过所述腺体分割网络得到腺体掩膜图像；[0052]根据所述腺体掩膜图像与所述脂肪抑制乳腺图像，或者根据所述腺体掩膜图像与所述乳房分割图像，获取腺体分割图像；[0053]根据所述乳房分割图像和所述腺体分割图像，获取所述脂肪抑制乳腺图像对应的乳腺密度。[0054]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：[0055]对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；所述脂肪抑制磁共振图像包括感兴趣区域；[0056]将所述处理后的脂肪抑制磁共振图像输入预设的分割网络，通过所述分割网络得到所述感兴趣区域的掩膜图像；[0057]根据所述脂肪抑制磁共振图像和所述掩膜图像，得到所述脂肪抑制磁共振图像中感兴趣区域的分割结果。[0058]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：[0059]对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；[0060]将所述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过所述乳房分割网络获取乳房掩膜图像；[0061]根据所述乳房掩膜图像与所述脂肪抑制乳腺图像，获取乳房分割图像；[0062]将所述乳房分割图像输入预设的腺体分割网络，通过所述腺体分割网络得到腺体掩膜图像；[0063]根据所述腺体掩膜图像与所述脂肪抑制乳腺图像，或者根据所述腺体掩膜图像与所述乳房分割图像，获取腺体分割图像；[0064]根据所述乳房分割图像和所述腺体分割图像，获取所述脂肪抑制乳腺图像对应的乳腺密度。[0065]上述图像分割方法、装置、计算机设备和存储介质，通过对脂肪抑制磁共振图像进行分块处理，能够以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像，由于经过限制对比度自适应直方图均衡化处理，能够增强脂肪抑制磁共振图像的对比度，减少脂肪抑制磁共振图像的噪声点，这样将处理后的脂肪抑制磁共振图像输入预设的分割网络，能够通过该分割网络对处理后的脂肪抑制磁共振图像进行准确地分割，准确地得到脂肪抑制磁共振图像中感兴趣区域的掩膜图像，提高了得到感兴趣区域的掩膜图像的准确度，从而可以根据该脂肪抑制磁共振图像和得到的感兴趣区域的掩膜图像，准确地得到脂肪抑制磁共振图像中感兴趣区域的分割结果。9附图说明[0066]图1为一个实施例中图像分割方法的应用环境图；[0067]图2为一个实施例中图像分割方法的流程示意图；[0069]图3为一个实施例中图像分割方法的流程示意图；[0070]图3a为一个实施例中分割网络的结构示意图；[0071]图4为一个实施例中图像分割方法的流程示意图；[0072]图5为一个实施例中图像分割方法的流程示意图；[0073]图6为一个实施例中图像分割方法的流程示意图；[0074]图6a为一个实施例中乳房脂肪抑制乳腺图像的分割方法示意图；[0075]图7为一个实施例中乳房和腺体分割结果示意图；[0076]图8为一个实施例中分割结果体积与金标准体积的相关性示意图；[0077]图9为一个实施例中图像分割装置的结构框图；[0078]图10为一个实施例中图像分割装置的结构框图。具体实施方式[0079]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。[0080]本申请实施例提供的图像分割方法，可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该计算机设备还可以包括网络接口、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。可选的，该计算机设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本申请实施例对计算机设备的具体形式并不做限定。[0081]目前，针对三维磁共振图像中乳房和腺体组织的分割，手动分割和需用户辅助的半自动分割方法均比较繁复、分割效率低、并且观察者之间和观察者自身存在较大的差异。基于深度学习的分割方法中组织和病灶区域的分割依赖于医生手工标注，耗费时间和人力，并且，目前多数方法是基于非脂肪抑制磁共振图像实现组织和病灶分割，而在临床乳腺动态增强磁共振成像(DCE-MRI)扫描过程中，注射对比剂前、后的图像通常采用脂肪抑制成像技术获得，得到的脂肪抑制磁共振图像的噪声水平较高、对比度较低、脂肪抑制不均匀，而传统的分割方法无法对脂肪抑制磁共振图像中的组织和病灶进行准确地分割。因此，有必要提供一种图像分割方法对脂肪抑制磁共振图像中的组织和病灶进行准确地分[0082]在一个实施例中，如图2所示，提供了一种图像分割方法，以该方法应用于图1中[0083]S201,对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度[0085]具体地，计算机设备对获取的包括感兴趣区域的脂肪抑制磁共振图像进行分块处理，以分块后的各图像块为单位进行限制对比度自适应直方图均衡化(ContrastLimitedAdaptiveHistogramEqualization,CLAHE)处理，得到处理后的脂肪抑制磁共肪抑制磁共振图像进行分块处理，以图像块为单位进行直方图也可以从PACS(PictureArchivingandCommunicationSystems,影像归档和通信系统)服务器中获取脂肪抑制磁共振图像。[0088]S203,根据脂肪抑制磁共振图像和掩膜图像，得到脂肪抑制磁共振图像中感兴趣[0089]具体地，计算机设备根据上述脂肪抑制磁共振图像和上述感兴趣区域的掩膜图脂肪抑制磁共振图像和上述感兴趣区域的掩膜图像各像素点做点乘，得到脂肪抑制磁共振图像中感兴趣区域的分割结果；也可以将上述脂肪抑制磁共振图像和上述感兴趣区域11块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像，由于经过限制对比度自适应直方图均衡化处理，能够增强脂肪抑制磁共振图像的对比度，减少脂肪抑制磁共振图像的噪声点，这样将处理后的脂肪抑制磁共振图像输入预设的分到脂肪抑制磁共振图像中感兴趣区域的掩膜图像，提高了得到感兴趣区域的掩膜图像的到脂肪抑制磁共振图像中感兴趣区域的分割结果。[0091]在上述将处理后的脂肪抑制磁共振图像输入预设的分割网络，通过分割网络得[0092]S301,将处理后的脂肪抑制磁共振图像输入编码单元，采用填充卷积对处理后的脂肪抑制磁共振图像进行边界填充，并对边界填充后的脂肪抑制磁共振图像进行下采样，[0093]具体地，计算机设备将上述处理后的脂肪抑制磁共振图像输入分割网络的编码的脂肪抑制磁共振图像进行下采样，得到上述处理后的脂肪抑制磁共振图像对应的下采充卷积用于对处理后的脂肪抑制磁共振图像进行边界填充，增加处理后的脂肪抑制磁共积块可以由两个3×3×3的卷积层和一个2×2×2的最大池化层组成，且每个卷积层后连接一个归一化(Normalization)层和一个修正线性单元(RectifiedLinearUnit,ReLU)。可以理解的是，采用填充卷积对上述处理后的脂肪抑制磁共振图像进行边界填充为上述像进行的下采样的次数可以根据上述脂肪抑制磁共振图像的尺寸，及得到的下采样特征[0094]S302,将下采样特征图输入解码单元，采用填充卷积对下采样特征图进行边界填[0095]具体地，计算机设备将得到的上述处理后的脂肪抑制磁共振图像对应的下采样样的次数是相对应的。可选的，上述卷积块与上述反卷积块的数量可以根据脂肪抑制磁[0096]需要说明的是，本实施例中归一化层采用的函数为实例归一化函数是由于计算Normalization,IN)代替使用批归一化(BatchNormalization)。由于对脂肪抑制磁共振图像的感兴趣区域进行分割时，脂肪抑制磁共振图像中背景体素(体素值近似为0)较多，[0097]在本实施例中，计算机设备将处理后的脂肪抑制磁共振图像输入分割网络的编码单元，通过该编码单元采用填充卷积能够对处理后的脂肪抑制磁共振图像进行边界填共振图像边缘处的信息不会被遗漏，使得边界填充后的脂肪抑制磁共振图像能够完整地准确地进行下采样，提高了得到处理后的脂肪抑制磁共振图像对应的下采样特征图的准充卷积能够对得到的下采样特征图进行边界填充，使得边界填充后的下采样特征图能够完整地保留下采样特征图的信息，从而可以对边界填充后的下采样特征图准确地进行上采样，从而提高了得到的处理后的脂肪抑制磁共振图像的感兴趣区域的掩膜图像的准确[0098]在上述将得到的下采样特征图输入分割网络的解码单元，对下采样特征图进行[0099]S401,通过连接单元将第一卷积块输出的下采样特征图和第一反卷积块输出的[0100]具体地，计算机设备通过分割网络的连接单元将上述编码单元的第一卷积块输出的下采样特征图和上述解码单元的第一反卷积块输出的上采样特征图连接，得到连接继续参见图3a,分割网络的连接单元可以为图3a中所示的虚线，第一卷积块可以为图3a中下采样过程中(左侧)由上至下的最后一个卷积块，第一反卷积块可以为图3a中上采样过积块输出的下采样特征图和第一反卷积块输出的上采样特征图进行拼接，得到连接后的特征图。[0101]S402,将连接后的特征图输入第二反卷积块中进行上采样，得到感兴趣区域的掩[0102]具体地，计算机设备将上述连接后的特征图输入第二反卷积块中进行上采样，得到上述脂肪抑制磁共振图像的感兴趣区域的掩膜图像。其中，上述第二反卷积快为与上述第一反卷积块相邻的下一反卷积块。示例性地，第二反卷积块可以为图3a中上采样过程中(右侧)由下至上的第二个反卷积块。[0103]本实施例中，计算机设备通过分割网络的连接单元将编码单元的第一卷积块输出的下采样特征图和解码单元的第一反卷积块输出的上采样特征图连接，得到的连接后的特征图能够避免在下采样和上采样过程中细节信息的丢失，能够得到准确度较高的连接后的特征图，从而可以将准确度较高的连接后的特征图输入解码单元的第二反卷积块中进行上采样，得到准确度较高的感兴趣区域的掩膜图像，提高了对脂肪抑制图像的分割精度。[0104]在一些场景中，在对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像之前，计算机设备还可以对脂肪抑制磁共振图像进行重采样处理，对重采样后的磁共振图像进行分块处理，在一个实施例中，上述S201之前，上述方法还包括：根据脂肪抑制磁共振图像的尺寸和脂肪抑制磁共振图像的各体素间的间距，对脂肪抑制磁共振图像进行重采样，得到重采样后的磁共振图像。[0105]具体地，计算机设备根据上述脂肪抑制磁共振图像的尺寸和上述脂肪抑制磁共振图像的各体素间的间距，对上述脂肪抑制磁共振图像进行重采样，得到重采样后的磁共振图像。需要说明的是，对于各向异性的脂肪抑制磁共振图像，由于各方向的体素间距不相同，因此，可以先对图像分辨率较高的方向进行下采样，使其分辨率与其它方向一致，之后再按照各向同性图像的处理方法，同时对所有方向的各向异性的脂肪抑制磁共振图像进行重采样。可选的，计算机设备可以采用三阶样条插值对脂肪抑制磁共振图像进行重采样，也可以采用最近邻插值对脂肪抑制磁共振图像进行重采样。[0106]在本实施例中，计算机设备根据脂肪抑制磁共振图像的尺寸和脂肪抑制磁共振图像的各体素间的间距，能够对脂肪抑制磁共振图像进行重采样，得到重采样后的磁共振图像，确保了得到的重采样后的磁共振图像的准确度。[0107]在上述将脂肪抑制磁共振图像输入分割网络的场景中，需要预先对分割网络进[0108]S501,获取样本脂肪抑制磁共振图像以及样本脂肪抑制磁共振图像对应的金标准图像；样本脂肪抑制磁共振图像中包括样本感兴趣区域。[0109]具体地，计算机设备获取样本脂肪抑制磁共振图像以及该样本脂肪抑制磁共振图像对应的金标准图像。其中，样本脂肪抑制磁共振图像中包括样本感兴趣区域。可选的，样本感兴趣区域可以为乳房，也可以为扫描对象包括肿块的区域，例如，腹部、淋巴等等。可选的，计算机设备可以从磁共振设备中获取样本脂肪抑制磁共振图像，也可以从PACS(PictureArchivingandCommunicationSystems,影像归档和通信系统)服务器中获取样本脂肪抑制磁共振图像。可选的，计算机设备可以采用镜像变换、尺度伸缩变换、旋转平移等数据扩增操作，扩大样本脂肪抑制磁共振图像的容量，防止模型过拟合。[0110]S502,对样本脂肪抑制磁共振图像进行分块处理，以各样本图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的样本脂肪抑制磁共振图像。的各样本图像块为单位进行限制对比度自适应直方图均衡化(ContrastLimitedAdaptiveHistogramEqualization,CLAHE)处理，的，计算机设备对样本脂肪抑制磁共振图像进行分块处理之前还可以对样本脂肪抑制磁[0112]S503,将处理后的样本脂[0113]具体地，计算机设备将上述得到的处理后的样本脂肪抑制磁共振图像输入初始[0114]S504,根据样本掩膜图像和金标准图像，得到初始分割网络的损失函数的值；初始分割网络的损失函数包括Dice损失函数和交叉熵损失函数；初始分割网络的损失函数[0115]具体地，计算机设备根据上述得到的样本掩模图像和样本脂肪抑制磁共振图像函数包括Dice损失函数和交叉熵损失函数；初始分割网络的损失函数的值为Dice损失函K为2,代表前景和背景),I表示每个Batch中的体素集，u表示Softmax输出概率值，v表示金[0116]S505,根据初始分割网络的损失函数的值，对初始分割网络进行训练，得到分割证结果确定测试模型的超参数。训练过程中，可以将初始分割网络的初始学习率设为还可以利用带有NesterovMomentum(参数设为0.9)的随机梯度下降方法对损失函数进行采样和限制对比度自适应直方图均衡化的预处理，经过重采样和限制对比度自适应直方图均衡化预处理后的图像其图像尺寸统一为训练数据集中图像的中值尺寸，可以再根据大以保证分割结果的准确性，其次满足批尺寸最小为2以防止因样本过少引起的梯度噪像输入尺寸可以分别为40×256×192和64×96×224,批尺寸可以设置为2。为获取具有足够信息量的特征，可以设定输出特征图的尺寸最小为4×4×4;为限制模型大小，可以设定特征数目上限为320。可选的，训练过程中对样本脂肪抑制磁共振图像进行下采样的次样本图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的样本脂肪抑共振图像的对比度，减少样本脂肪抑制磁共振图像的噪声点，这样本掩膜图像，从而可以根据样本掩膜图像和样本脂肪抑制磁共振图像对应的金标准图像，得到初始分割网络的损失函数的值，进而可以根据初始分割网分割网络进行训练，通过大量的样本脂肪抑制磁共振图像能够对初始分割网络进行准确[0121]S601,对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像。这里需要说明的是，对获取的脂肪抑制乳腺图像以块为单位进行限制对比度自适应直方图均衡化处理，是针对脂肪抑制乳腺图像具有的相对较高的噪声水平、较低的强度对比和不均匀的脂肪抑制等特点所增加的预处理操作。可选的，计算机设备可以将脂肪抑制乳腺图像进行分块处理，以图像块为单位进行直方图均衡化，再利用线性差值确定块间体素值，同时实现对比度增强和噪声抑制，从而提高分割的准确性。可选的，计算机设备获取的脂肪抑制乳腺图像可以为包含双侧乳房的脂肪抑制乳腺图像，也可以为包含单侧乳房的脂肪抑制乳腺图像。需要说明的是，本申请中的包含乳房的脂肪抑制磁共振图像可以为脂肪抑制动态增强磁共振图像。可选的，计算机设备可以从磁共振设备中获取包含乳房的脂肪抑制磁共振图像，也可以从PACS(PictureArchivingandCommunicationSystems,影像归档和通信系统)服务器中获取包含乳房的脂肪抑制磁共振图像。[0123]S602,将处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过乳房分割网络获取乳房掩膜图像。[0124]具体地，计算机设备将上述处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过该乳房分割网络获取乳房掩膜图像。其中，乳房分割网络的卷积层包括填充卷积；该填充卷积用于对上述脂肪抑制乳腺图像进行边界填充，增加上述脂肪抑制乳腺图像对应的图像矩阵的大小。需要说明的是，关于乳房分割网络的网络结构的具体说明请参见上述分割网络的描述，本实施例在此不再赘述。示例性地，得到的乳房掩膜图像可以如7a中所实例的乳房掩膜图。[0125]S603,根据乳房掩膜图像与脂肪抑制乳腺图像，获取乳房分割图像。[0126]具体地，计算机设备根据得到的乳房掩膜图像和上述脂肪抑制乳腺图像，获取乳房分割图像。可选的，计算机设备可以将乳房掩膜图像和脂肪抑制乳腺图像进行点乘，得到乳房分割图像。可选的，计算机设备也可以将乳房掩膜图像和脂肪抑制乳腺图像进行叠[0127]S604,将乳房分割图像输入预设的腺体分割网络，通过腺体分割网络得到腺体掩膜图像。[0128]具体地，计算机设备将乳房分割图像输入预设的腺体分割网络，通过该腺体分割网络得到腺体掩膜图像。其中，腺体分割网络的卷积层包括填充卷积；该填充卷积用于对上述乳房分割图像进行边界填充，增加乳房分割图像对应的图像矩阵的大小。需要说明的是，关于腺体分割网络的网络结构的具体说明请参见上述分割网络的描述，本实施例在此不再赘述。示例性地，得到的腺体掩膜图像可以如6a中所实例的腺体掩膜图。可选的，计算机设备将乳房分割图像输入上述腺体分割网络之前，还可以对乳房分割图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的乳房分割图像，将处理后的乳房分割图像输入上述腺体分割网络。[0129]S605,根据腺体掩膜图像与脂肪抑制乳腺图像，或者根据腺体掩膜图像与乳房分[0130]具体地，计算机设备根据得到的腺体掩膜图像与上述脂肪抑制乳腺图像，获取腺体分割图像；或者，计算机设备根据得到的腺体掩模图像与上述乳房分割图像，获取腺体分割图像。可选的，计算机设备可以将腺体掩膜图像与上述脂肪抑制乳腺图像点乘，得到腺体分割图像，也可以将腺体掩膜图像与上述脂肪抑制乳腺图像进行叠加，得到腺体分割图像获取腺体分割图像可能会叠加误差，使得得到的腺体分割图像的准确度低于根据腺[0131]S606,根据乳房分割图像和腺体分割图像，获取脂肪抑制乳腺图像对应的乳腺密维图像，计算机设备可以根据乳房分割图像和腺体分割图像的体素间距以及乳房分割图选的，计算机设备可以将乳房分割图像和腺体分割图像的体素数量以及乳房分割图像和图像块为单位进行限制对比度自适应直方图均衡化处理，由于经过限制对比度自适应直方图均衡化处理，能够增强脂肪抑制乳腺图像的对比度，减少脂肪抑制乳腺图像的噪声取脂肪抑制乳腺图像对应的乳腺密度，提高了得到脂肪抑制乳腺图像对应的乳腺密度的抑制乳腺图像为例给出了本申请采用分割网络对脂肪抑制乳腺图像进行分割相对于金标ASD(毫米)乳房分割[0137]由表1可以看出，乳房分割和腺体分割的DSC分别为0.968±0.017和0.877±0.081,ASD分别为0.201±0.082毫米和0.310±0.041毫米，表明分割模型能够准确分割目标区域并精确检测边界。通常，用于医学图像的深度学习方法易于产生较高的假阳性率出的分割网络分割结果具有高敏感性和特异性，表明该分割网络具有较高的真阳性率中，分割结果与金标准之间的相关性可以如图8所示，图8中x轴表示金标准的物理实际体value<0.001)和0.971(p-value<0.001),表明分割结果与金标准有很强的一致性。[0138]应该理解的是，虽然图2-6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2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地一分割模块和第二获取模块，其中：[0140]第一获取模块，用于对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；脂肪抑制磁共振图像包括感兴趣区域。[0141]第一分割模块，用于将处理后的脂肪抑制磁共振图像输入预设的分割网络，通过分割网络得到感兴趣区域的掩膜图像。[0142]第二获取模块，用于根据脂肪抑制磁共振图像和掩膜图像，得到脂肪抑制磁共振图像中感兴趣区域的分割结果。[0143]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0144]在上述实施例的基础上，可选的，上述分割网络包括：编码单元和解码单元；上述[0145]下采样单元，用于将处理后的脂肪抑制磁共振图像输入编码单元，采用填充卷积对处理后的脂肪抑制磁共振图像进行边界填充，并对边界填充后的脂肪抑制磁共振图像进行下采样，得到处理后的脂肪抑制磁共振图像对应的下采样特征图。[0146]上采样单元，用于将下采样特征图输入解码单元，采用填充卷积对下采样特征图进行边界填充，并对边界填充后的下采样特征图进行上采样，得到感兴趣区域的掩膜图[0147]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0148]在上述实施例的基础上，可选的，编码单元包括多个卷积块，各卷积块由卷积层和池化层组成，且各卷积层连接分割网络的归一化层和激活函数层；卷积层包括填充卷积；填充卷积用于对脂肪抑制磁共振图像进行边界填充，增加脂肪抑制磁共振图像对应的图像矩阵的大小；解码单元包括多个反卷积块，各反卷积块由卷积层和反卷积层组成，各卷积层连接归一化层和激活函数层；其中，卷积块的数量与反卷积块的数量相同；归一化层采用的函数为实例归一化函数；激活函数层采用的函数为带泄露修正线性单元函数。[0149]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0150]在上述实施例的基础上，可选的，分割网络还包括连接单元；编码单元通过连接单元与解码单元连接；上述上采样单元，具体用于通过连接单元将第一卷积块输出的下采样特征图和第一反卷积块输出的上采样特征图连接，得到连接后的特征图；第一反卷积块为与第一卷积块相对应的反卷积块；将连接后的特征图输入第二反卷积块中进行上采样，得到感兴趣区域的掩膜图像；第二反卷积块为与第一反卷积块相邻的下一反卷积块。[0151]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0152]在上述实施例的基础上，可选的，卷积块与反卷积块的数量根据脂肪抑制磁共振图像的尺寸、上采样特征图的尺寸和下采样特征图的尺寸确定。[0153]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0155]重采样模块，用于根据脂肪抑制磁共振图像的尺寸和脂肪抑制磁共振图像的各体素间的间距，对脂肪抑制磁共振图像进行重采样，得到重采样后的磁共振图像。[0156]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0157]在上述实施例的基础上，可选的，上述装置还包括：第三获取模块、处理模块、第[0158]第三获取模块，用于获取样本脂肪抑制磁共振图像以及样本脂肪抑制磁共振图像对应的金标准图像；样本脂肪抑制磁共振图像中包括样本感兴趣区域。[0159]处理模块，用于对样本脂肪抑制磁共振图像进行分块处理，以各样本图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的样本脂肪抑制磁共振图像。[0160]第二分割模块，用于将处理后的样本脂肪抑制磁共振图像输入初始分割网络，通过初始分割网络得到样本感兴趣区域的样本掩膜图像。[0161]第四获取模块，用于根据样本掩膜图像和金标准图像，得到初始分割网络的损失函数的值；初始分割网络的损失函数包括Dice损失函数和交叉熵损失函数；初始分割网络的损失函数的值为Dice损失函数的值和交叉熵损失函数的值之和。[0162]训练模块，用于根据初始分割网络的损失函数的值，对初始分割网络进行训练，得到分割网络。[0163]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0164]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。[0165]在一个实施例中，如图10所示，提供了一种图像分割装置，包括：第一获取模块、第一分割模块、第二获取模块、第二分割模块、第三获取模块和第四获取[0166]第一获取模块，用于对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像。[0167]第一分割模块，用于将处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过乳房分割网络获取乳房掩膜图像。[0168]第二获取模块，用于根据乳房掩膜图像与脂肪抑制乳腺图像，获取乳房分割图[0169]第二分割模块，用于将乳房分割图像输入预设的腺体分割网络，通过腺体分割网络得到腺体掩膜图像。[0170]第三获取模块，用于根据腺体掩膜图像与脂肪抑制乳腺图像，或者根据腺体掩膜图像与乳房分割图像，获取腺体分割图像；[0171]第四获取模块，用于根据乳房分割图像和腺体分割图像，获取脂肪抑制乳腺图像对应的乳腺密度。[0172]本实施例提供的图像分割装置，可以执行上述方法实施例，其实现原理和技术效[0173]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。[0174]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：[0175]对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；脂肪抑制磁共振图像包括感兴趣区域；[0176]将处理后的脂肪抑制磁共振图像输入预设的分割网络，通过分割网络得到感兴趣区域的掩膜图像；[0177]根据脂肪抑制磁共振图像和掩膜图像，得到脂肪抑制磁共振图像中感兴趣区域的分割结果。[0178]上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。[0179]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：[0180]对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；[0181]将处理后的脂肪抑制乳腺图像输入预设的乳房分割网络，通过乳房分割网络获取乳房掩膜图像；[0182]根据乳房掩膜图像与脂肪抑制乳腺图像，获取乳房分割图像；[0183]将乳房分割图像输入预设的腺体分割网络，通过腺体分割网络得到腺体掩膜图[0184]根据腺体掩膜图像与脂肪抑制乳腺图像，或者根据腺体掩膜图像与乳房分割图[0185]根据乳房分割图像和腺体分割图像，获取脂肪抑制乳腺图像对应的乳腺密度。[0186]上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。[0187]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：[0188]对脂肪抑制磁共振图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制磁共振图像；脂肪抑制磁共振图像包括感兴趣区域；[0189]将处理后的脂肪抑制磁共振图像输入预设的分割网络，通过分割网络得到感兴趣区域的掩膜图像；[0190]根据脂肪抑制磁共振图像和掩膜图像，得到脂肪抑制磁共振图像中感兴趣区域的分割结果。[0191]上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实[0192]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：[0193]对包含乳房的脂肪抑制乳腺图像进行分块处理，以各图像块为单位进行限制对比度自适应直方图均衡化处理，得到处理后的脂肪抑制乳腺图像；[0194]