【技术实现步骤摘要】
图像分割方法、装置、设备及存储介质
本专利技术实施例涉及图像处理领域，尤其涉及一种图像分割方法、装置、设备及存储介质。
技术介绍
随着科学技术的发展，大量成像设备被应用到了医院里，从而使各种医学图像成为临床疾病诊断的重要参考资料，由于直接采集的扫描数据所对应的医学图像通常包含很多细节信息，这些信息有目标器官组织的信息，也有非目标器官组织的信息。在医生临床诊断中，有时候会受非目标器官组织的信息的影响，从而使做出的诊断结论可能有问题。因此需要对医学图像进行分割，将目标器官组织从扫描数据所对应的医学图像中提取出来，以便于医生根据所提取的图像进行临床诊断。现有技术的医学图像分割方法通常为机器学习方法，主要为：通过预处理的方法对图像进行增强，使得目标分割区域和非分割区域产生差别，或者设计出特定的算法对原始图像进行处理。这些方法通常仅适用于部分医学图像，普适性较低。
技术实现思路
本专利技术实施例提供了一种图像分割方法、装置、设备及存储介质，解决了现有技术的医学图像分割方法的普适性较低的问题。第一方面，本专利技术实施例提供了一种图像分割方法，包括：获取包含目标分割区域的待分割医学...
【技术保护点】
1.一种图像分割方法，其特征在于，包括：获取包含目标分割区域的待分割医学图像；将所述待分割医学图像输入至已训练的分割模型，从而使所述已训练的分割模型对所述待分割医学图像进行图像分割以得到所述目标分割区域图像；其中，所述分割模型为卷积神经网络模型，包括特征提取模块和特征解码模块，所述特征提取模块用于从所述待分割医学图像中提取不同尺寸的特征图，所述特征解码模块用于基于自身生成的中间特征图的上下文信息，实现对所接收的来自特征提取模块相应尺寸的特征图和该中间特征图的图像融合，以逐步得到目标尺寸的特征图。
【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：获取包含目标分割区域的待分割医学图像；将所述待分割医学图像输入至已训练的分割模型，从而使所述已训练的分割模型对所述待分割医学图像进行图像分割以得到所述目标分割区域图像；其中，所述分割模型为卷积神经网络模型，包括特征提取模块和特征解码模块，所述特征提取模块用于从所述待分割医学图像中提取不同尺寸的特征图，所述特征解码模块用于基于自身生成的中间特征图的上下文信息，实现对所接收的来自特征提取模块相应尺寸的特征图和该中间特征图的图像融合，以逐步得到目标尺寸的特征图。2.根据权利要求1所述的方法，其特征在于，所述特征提取模块包括至少四个单向级联的特征提取单元，所述特征提取单元用于对所接收的待分割医学图像或特征图进行特征提取以输出对应尺寸的特征图，其中，后一特征提取单元输出的特征图的尺寸小于前一特征提取单元输出的特征图的尺寸。3.根据权利要求2所述的方法，其特征在于，所述特征解码模块还包括金字塔池单元，所述上下文单元包括至少三个单向级联连接的上下文子单元；所述金字塔池单元用于对位于末端的特征提取单元输出的特征图进行处理以输出两倍于该特征图尺寸的中间特征图，所述特征解码模块自身输出的中间特征图为来自上游上下文子单元或金字塔池单元输出的特征图，且所述上下文子单元所接收的两特征图的尺寸相同。4.根据权利要求3所述的方法，其特征在于，所述上下文子单元具体用于对所接收的来自上游上下文子单元或金字塔池单元输出的特征图进行全局池化以得到第一上下文信息，对所述第一上下文信息进行插值以生成第一过程特征图，并将该第一过程特征图与该特征图相乘以得到第二过程特征图；以及对所述第二过程特征图进行全局池化以得到第二上下文信息，对所述第二上下文信息和来自对应特征提取单元的特征图进行图像融合以得到第三过程特征图，基于来自上游上下文子单元或金字塔池单元输出的中间特征图和所述第三过程特征图确定本单元的输出特征图。5.根据权利要求4所述的方法，其特征在于，所述基于来自上游上下文子单元或金字塔池单元输出的特征图和所述第三过程特征图与确定本...
【专利技术属性】
技术研发人员：吴剑煌，倪佳佳，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。