一种图像分割方法、装置及计算机可读存储介质制造方法及图纸

本申请实施例公开了一种图像分割方法、装置及计算机可读存储介质，涉及图像处理，其中方法包括：将待分割三维图像切分为多个三维方格图像；对上述多个三维方格图像进行二维图像转换处理，得到上述多个三维方格图像中每个三维方格图像对应的二维图像组；将上述多个三维方格图像对应的二维图像组输入到已训练好的图像分类模型中，得到上述多个三维方格的分类结果；根据上述多个三维方格图像的分类结果生成上述三维图像的分割图像。通过本申请实施例，能通过更简单的二维网络构造和更低的资源需求来完成三维图像分割，并达到与三维网络近似的效果。

An Image Segmentation Method, Device and Computer Readable Storage Media

【技术实现步骤摘要】
一种图像分割方法、装置及计算机可读存储介质
本申请涉及图像分割
，尤其涉及一种图像分割方法、装置及计算机可读存储介质。
技术介绍
随着图像分割技术的发展，图像分割技术被广泛的应用于医学领域。例如，软骨退化通常能够预示骨关节炎，并且成为工作伤残的一个主要原因。而在治疗检查方面，膝核磁共振(MagneticResonanceImaging，MRI)扫描后软骨图像分割已经成为软骨退化量化评估分析的重要选择之一。通常情况下，软骨图像分辨由图像医师每一层图像分别比对完成，毫无疑问是非常消耗时间和精力的。另外，观察者自身和不同观察者之间的差异也很大，会极大的影响图像分辨效果。由此可见，出于降低人工成本同时提高识别准确率和效果的目的，自动图像分割程序的应用在研究与生产领域都富有潜力。对于卷积神经网络而言现在已经有一个宽泛的扩展使得它们能被应用于三维图像分割，然而这些真正意义上的三维卷积神经网络需要庞大的内存和海量的训练时间，这一性质限制了它们在图像分割领域的应用。
技术实现思路
本申请实施例提供一种图像分割方法，能通过更简单的二维网络构造和更低的资源需求来完成三维图像分割，并达到与三维网络近似的本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：将待分割三维图像切分为多个三维方格图像；对所述多个三维方格图像进行二维图像转换处理，得到所述多个三维方格图像中每个三维方格图像对应的二维图像组；将所述多个三维方格图像对应的二维图像组输入到已训练好的图像分类模型中，得到所述多个三维方格的分类结果；根据所述多个三维方格图像的分类结果生成所述三维图像的分割图像。

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：将待分割三维图像切分为多个三维方格图像；对所述多个三维方格图像进行二维图像转换处理，得到所述多个三维方格图像中每个三维方格图像对应的二维图像组；将所述多个三维方格图像对应的二维图像组输入到已训练好的图像分类模型中，得到所述多个三维方格的分类结果；根据所述多个三维方格图像的分类结果生成所述三维图像的分割图像。2.根据权利要求1所述的方法，其特征在于，在所述将所述多个三维方格图像对应的二维图像组输入到已训练好的图像分类模型中之前，所述方法还包括：获取所述图像分类模型的训练样本集；使用所述训练样本集对所述图像分类模型进行训练，以得到所述训练好的图像分类模型。3.根据权利要求2所述的方法，其特征在于，所述图像分类模型包括三个二维卷积神经网络，所述三个二维卷积神经网络中的每个卷积神经网络包括三个卷积层、一个采样层和一个输出层；所述三个二维卷积神经网络的三个输出层之后连接一个softmax分类器。4.根据权利要求3所述的方法，其特征在于，所述卷积神经网络的卷积层输出为：其中，l表示第l层，表示第l层输出的第j个特征图，则表示来自上一层输入的第i个特征图，*则代表卷积运算，代表权值，代表偏重，则表示尺寸符合当前层输出的全1矩阵；所述卷积神经网络的采样层输出为：其中，表示第l层的第j个特征图中(x,y)处的值，S代表采样系数，在本方案中设为2，m与n代表采样层偏置，为偏置参数；所述输出层的输出为：其中，为上一层特征图的大小；所述分类器的输入为所述三个卷积神经网络的输出层的输出拼接之后得到；所述分类器输出的第k次训练案例符合第u个类别的概率为：其中，θ为softmax层的参数矩阵，θ具有的尺寸，K代表分类的个数，为第l层输出的特征图的数量，5.根据权利要求4所述的方法，其特征在于，所述获取所述图像分类...

【专利技术属性】
技术研发人员：马进，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44