本发明涉及医学影像，尤其涉及一种肾脏自动分段方法、装置、电子设备及存储介质。
背景技术：
1、在医学领域，准确解读影像数据是诊断和治疗计划制定的关键环节。医学影像，特别是ct和mri，为了解内部器官的结构和功能提供了重要手段。肾脏作为人体重要的排泄和内分泌器官，其疾病的诊断和治疗在很大程度上依赖于对影像数据的精确分析。随着技术的发展，计算机辅助诊断(cad)系统逐渐成为医学影像分析领域的重要工具，尤其在精确分割器官和病变区域方面发挥着至关重要的作用。
2、当前，肾段的自动分割是一个技术挑战，尤其是在肾脏形态异常或存在病变的情况下。现有的自动分割技术往往无法准确处理肾动脉的复杂结构，导致分割结果不够精确。这种不精确性可能影响疾病的评估和治疗规划，特别是在需要精确切割或保留特定组织区域的外科手术中。
3、因此，现有技术中在进行肾脏自动分段的过程中，存在分割结果可靠度低的问题。
技术实现思路
1、有鉴于此，有必要提供一种肾脏自动分段方法、装置、电子设备及存储介质，用以解决现有技术中在进行肾脏自动分段的过程中，存在的分割结果可靠度低的问题。
2、为了解决上述问题，本发明提供一种肾脏自动分段方法，包括：
3、获取肾脏影像数据；
4、基于训练完备的目标自适应多尺度肾动脉感知网络模型对肾脏影像数据进行数据处理，得到肾脏分段结果；
5、其中，目标自适应多尺度肾动脉感知网络模型包括多尺度特征提取模块、自适应特征融合模块、深度学习子网络模块和评价模块。
6、在一种可能的实现方式中，在基于训练完备的目标自适应多尺度肾动脉感知网络模型对肾脏影像数据进行数据处理，得到肾脏分段结果，之前还包括：
7、获取肾脏影像数据样本；
8、构建初始自适应多尺度肾动脉感知网络模型，并将肾脏影像数据样本输入至初始自适应多尺度肾动脉感知网络模型进行迭代训练；
9、通过多尺度特征提取模块、自适应特征融合模块和深度学习子网络模块对肾脏影像数据样本进行初步分段，得到肾脏分段结果样本；
10、根据评价模块对肾脏分段结果样本进行评价，并基于评价结果反馈调节初始自适应多尺度肾动脉感知网络模型的网络参数，直至得到目标自适应多尺度肾动脉感知网络模型。
11、在一种可能的实现方式中，通过多尺度特征提取模块、自适应特征融合模块和深度学习子网络模块对肾脏影像数据样本进行初步分段，得到肾脏分段结果样本，包括：
12、根据多尺度特征提取模块对肾脏影像数据样本进行特征提取，得到多尺度特征；
13、根据自适应特征融合模块对多尺度特征进行动态整合，得到目标特征；
14、根据深度学习子网络模块对目标特征进行分段处理，得到肾脏分段结果样本。
15、在一种可能的实现方式中，评价模块包括形态学处理单元和临床符合性检测单元；根据评价模块对肾脏分段结果样本进行评价，并基于评价结果反馈调节初始自适应多尺度肾动脉感知网络模型的网络参数，直至得到目标自适应多尺度肾动脉感知网络模型，包括：
16、根据形态学处理单元对肾脏分段结果样本进行特征提取，得到形态学特征；
17、根据临床符合性检测单元对形态学特征进行临床符合性检测，得到肾脏分段结果样本的评价得分；
18、基于评价得分动态调整初始自适应多尺度肾动脉感知网络模型的网络参数，并基于调整后的自适应多尺度肾动脉感知网络模型对肾脏影像数据样本进行数据迭代处理，直至确定肾脏分段结果评价得分值超过预设的评价得分阈值的自适应多尺度肾动脉感知网络模型为目标自适应多尺度肾动脉感知网络模型。
19、在一种可能的实现方式中，网络参数包括网络层的数量、卷积核大小、损失函数和优化器参数。
20、在一种可能的实现方式中，损失函数包括像素级损失函数，像素级损失函数包括dice损失函数、jaccard损失函数、交叉熵损失函数和结构相似性度量损失函数中的任意一种。
21、在一种可能的实现方式中，获取肾脏影像数据，包括：
22、获取初始肾脏影像数据；
23、对初始肾脏影像数据进行归一化处理和标准化处理，得到肾脏影像数据；
24、其中，标准化处理包括去噪处理和对比度增强处理。
25、为了解决上述问题，本发明还提供一种肾脏自动分段装置，包括：
26、肾脏影像数据获取模块，用于获取肾脏影像数据；
27、肾脏分段模块，用于基于训练完备的目标自适应多尺度肾动脉感知网络模型对肾脏影像数据进行数据处理，得到肾脏分段结果；
28、其中，目标自适应多尺度肾动脉感知网络模型包括多尺度特征提取模块、自适应特征融合模块、深度学习子网络模块和评价模块。
29、为了解决上述问题，本发明还提供一种电子设备，包括存储器和处理器，其中，
30、存储器，用于存储程序；
31、处理器，与存储器耦合，用于执行存储器中存储的程序，以实现如上文所述的肾脏自动分段方法中的步骤。
32、为了解决上述问题，本发明还提供一种计算机可读存储介质，用于存储计算机可读取的程序或指令，程序或指令被处理器执行时能够实现如上文所述的肾脏自动分段方法中的步骤。
33、采用上述实施例的有益效果是：本发明提供一种肾脏自动分段方法，包括：基于训练完备的目标自适应多尺度肾动脉感知网络模型对肾脏影像数据进行数据处理，得到肾脏分段结果；其中，目标自适应多尺度肾动脉感知网络模型包括多尺度特征提取模块、自适应特征融合模块、深度学习子网络模块和评价模块。通过多尺度特征提取模块从多个尺度获取肾脏影像数据的特征；自适应特征融合模块对多尺度特征进行融合，强调关键特征，抑制不重要信息；深度学习子网络模块进行肾脏自动分段；评价模块进行整合优化，以保证目标自适应多尺度肾动脉感知网络模型的可靠度，从而有效保证肾脏分段结果的可靠度。
1.一种肾脏自动分段方法，其特征在于，包括：
2.根据权利要求1所述的肾脏自动分段方法，其特征在于，在基于训练完备的目标自适应多尺度肾动脉感知网络模型对所述肾脏影像数据进行数据处理，得到肾脏分段结果，之前还包括：
3.根据权利要求2所述的肾脏自动分段方法，其特征在于，所述通过所述多尺度特征提取模块、所述自适应特征融合模块和所述深度学习子网络模块对所述肾脏影像数据样本进行初步分段，得到肾脏分段结果样本，包括：
4.根据权利要求2所述的肾脏自动分段方法，其特征在于，所述评价模块包括形态学处理单元和临床符合性检测单元；所述根据所述评价模块对所述肾脏分段结果样本进行评价，并基于评价结果反馈调节所述初始自适应多尺度肾动脉感知网络模型的网络参数，直至得到所述目标自适应多尺度肾动脉感知网络模型，包括：
5.根据权利要求4所述的肾脏自动分段方法，其特征在于，所述网络参数包括网络层的数量、卷积核大小、损失函数和优化器参数。
6.根据权利要求5所述的肾脏自动分段方法，其特征在于，所述损失函数包括像素级损失函数，所述像素级损失函数包括dice损失函数、jaccard损失函数、交叉熵损失函数和结构相似性度量损失函数中的任意一种。
7.根据权利要求1所述的肾脏自动分段方法，其特征在于，所述获取肾脏影像数据，包括：
8.一种肾脏自动分段装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，其中，
10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述权利要求1至7中任意一项所述的肾脏自动分段方法中的步骤。
