【技术实现步骤摘要】
一种图像分割结果优化方法、装置、智能终端及存储介质
本专利技术涉及图像分割
，尤其涉及的是一种图像分割结果优化方法、装置、智能终端及存储介质。
技术介绍
图像分割是图像处理与分析领域的关键技术，尤其是在医学图像领域中，其目的是根据临床需求利用图像特征将医学图像中具有某些特殊含义的部分分割出来。医学图像分割技术能够提取临床医生感兴趣区域，便于医学图像的分割与识别。不仅如此，医学图像分割技术还能帮助测量人体组织、器官或病灶的尺寸、体积和容积，定量分析、评价病患治疗前后的效果，帮助临床医生诊断、随访病患和及时修订病患的后续治疗方案。传统的图像处理技术主要包括特征提取和分类器两部分，特征提取算法的设计复杂性与稳定性，特征提取算法与分类器结合的适配性和医学图像的复杂性限制着传统图像处理技术在医学图像分割上的效果。而深度学习是一种能够由程序自动化提取特征且擅长于发现高维数据中复杂结构的技术。但是，因深度学习网络的结构复杂，计算量庞大，使得在进行图像分割时，存在效率不高的问题。当前，提高深度学习网络效率的方法一般为使用结构简...
【技术保护点】
1.一种图像分割结果优化方法，其特征在于，所述方法包括：/n获取待分割图像以及预设的标准图像，并将所述待分割图像以及所述标准图像输入至预设的第一神经网络模型进行训练，得到初步分割结果；/n对所述第一神经网络模型果进行优化，并对所述初步分割结果输入至预设的第二神经网络模型进行训练，得到第二分割结果；/n将所述第一分割结果与所述第二分割结果输入至预设的第三神经网络模型进行训练，得到第三分割结果；/n将所述标准图像、第二分割结果与所述第三分割结果输入至预设的第四神经网络模型进行训练，得到第四分割结果，所述第二分割结果、第三分割结果和第四分割结果的结合分割结果的精度高于所述初步分割结果。/n
【技术特征摘要】
1.一种图像分割结果优化方法，其特征在于，所述方法包括：
获取待分割图像以及预设的标准图像，并将所述待分割图像以及所述标准图像输入至预设的第一神经网络模型进行训练，得到初步分割结果；
对所述第一神经网络模型果进行优化，并对所述初步分割结果输入至预设的第二神经网络模型进行训练，得到第二分割结果；
将所述第一分割结果与所述第二分割结果输入至预设的第三神经网络模型进行训练，得到第三分割结果；
将所述标准图像、第二分割结果与所述第三分割结果输入至预设的第四神经网络模型进行训练，得到第四分割结果，所述第二分割结果、第三分割结果和第四分割结果的结合分割结果的精度高于所述初步分割结果。
2.根据权利要求1所述的图像分割结果优化方法，其特征在于，所述获取待分割图像以及预设的标准图像，并将所述待分割图像以及所述标准图像输入至预设的神经网络模型进行训练，得到初步分割结果，包括：
获取待分割图像以及预设的标准图像，所述标准图像为分割后的目标图像；
将所述待分割图像及预设的标准图像输入至预设的神经网络模型中进行训练，得到初步分割结果；
根据所述初步分割结果确定分割精度，并根据所述分割精度确定是否训练结束。
3.根据权利要求2所述的图像分割结果优化方法，其特征在于，所述据所述分割精度确定是否训练结束，包括：
当所述分割精度趋于稳定时，则确定训练完成。
4.根据权利要求1所述的图像分割结果优化方法，其特征在于，所述对所述初步分割结果进行优化，并对所述初步分割结果输入至预设的第二神经网络模型进行训练，得到第二分割结果，包括：
获取所述初步分割结果以及所述待分割图像；
将所述初步分割结果以及所述待分割图像同时输入至预设的第二神经网络模型中进行训练，得到所述第二分割结果；
根据所述第二分割结果，并对第二分割结果进行优化，以使所述得第二分割结果的分割精度趋近于所述第一分割结果的分割精度。
5.根据权利要求1所述的图像分割结果优化方法，其特征在于，所述将所述第一分割结果与所述第二分割结果输入至预设的第三神经网络模型进行训练，得到第三分割结果，包括:
根据所述第一分割结果与所述第二分割结果...
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。