【技术实现步骤摘要】
一种图像分割方法、装置、电子设备及存储介质
本公开实施例涉及计算机
，尤其涉及一种图像分割方法、装置、电子设备及存储介质。
技术介绍
缺血性脑卒中又称脑梗塞，是一种常见的脑血管疾病，一直以来都严重危害着人体健康，其老年发病率、致残率和病死率都非常高。缺血性脑卒中的早期发现是十分重要的，尤其是超急性期的正确发现，能够及时指导采取措施，以减少梗死灶周边缺血性缺血半暗带区域的脑细胞坏死，对于缺血性脑卒中的诊断与治疗具有重大作用。目前，对脑卒中缺血区域的确定主要依赖于医生的经验，难度高且一致性差，同时手工标注费时费力。
技术实现思路
本公开实施例提供一种图像分割方法、装置、电子设备及存储介质，实现了对图像中目标区域的准确分割。第一方面，本公开实施例提供了一种图像分割方法，该方法包括：确定待分割原图像；将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；其中，所述图像分割模型基于样本数据对图像分割网络进行预先训练得到，所述图像分割网络包括：至少两...
【技术保护点】
1.一种图像分割方法，其特征在于，包括：/n确定待分割原图像；/n将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；/n其中，所述图像分割模型基于样本数据对图像分割网络进行预先训练得到，所述图像分割网络包括：至少两个级联的卷积神经网络模块，每个卷积神经网络模块包括至少两个特征提取单元；/n每个卷积神经网络模块均配置有损失函数，在训练时，当前卷积神经网络模块配置的损失函数用于对当前卷积神经网络模块输出的中间分割结果进行监督；/n当前卷积神经网络模块输出的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第一输入特征层；/n当前卷积神经网络...
【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
确定待分割原图像；
将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；
其中，所述图像分割模型基于样本数据对图像分割网络进行预先训练得到，所述图像分割网络包括：至少两个级联的卷积神经网络模块，每个卷积神经网络模块包括至少两个特征提取单元；
每个卷积神经网络模块均配置有损失函数，在训练时，当前卷积神经网络模块配置的损失函数用于对当前卷积神经网络模块输出的中间分割结果进行监督；
当前卷积神经网络模块输出的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第一输入特征层；
当前卷积神经网络模块最后一次上采样得到的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第二输入特征层；
当前卷积神经网络模块中第一个特征提取单元输出的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第三输入特征层；
所述第一输入特征层、第二输入特征层以及第三输入特征层堆叠成整体作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的输入。
2.根据权利要求1所述的方法，其特征在于，所述待分割原图像包括：脑部磁共振扩散加权DWI图像；
对应的，所述样本数据包括标注好脑缺血区域的DWI图像数据。
3.根据权利要求1或2所述的方法，其特征在于，将所述待分割原图像输入至图像分割模型之前，还包括：
对所述待分割原图像进行预处理；
其中，所述预处理包括下述至少一种：归一化、去噪或者细节增强。
4.根据权利要求1或2所述的方法，其特征在于，所述卷积神经网络模块包括：DenseU-net或者Resnet；
对应的，所述特征提取单元包括DenseBlock或者residualblock。
5.根据权利要求1或2所述的方法，其特征在于，当前卷积神经网络模块最后一次上采样得到的特征层通过卷积运算得到当前卷积神经网络模块输出的特征层。
6.根据权利要求1或2所述的方法，其特征在于，还包括：
...
【专利技术属性】
技术研发人员：陈伟导，赵朝炜，李新阳，王少康，陈宽，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11
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。