【技术实现步骤摘要】
图像分割方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种图像分割方法、装置、计算机设备和存储介质。
技术介绍
随着医疗影像技术的不断发展，现在患者去医院进行身体检查时，医生通常都会给患者拍摄医学影像，并对拍摄的医学影像进行相关技术处理，就可以得到影像分析结果。通常在对患者的医学影像进行处理时，大多会采用深度学习的分割网络对医学影像进行分割处理，从医学影像中分割出医生关注的区域或者关注的点，然后对关注的区域或关注的点进一步进行分析，就可以获得影像分析结果。然而上述技术在进行分割处理时，会存在得到的分割结果不够准确的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高分割结果准确性的图像分割方法、装置、计算机设备和存储介质。一种图像分割方法，该方法包括：基于分割网络对待分割图像进行像素级分割处理，得到待分割图像的分割结果；该分割结果包括待分割图像中每个感兴趣位置的分割类别；将待分割图像输入至分类网络中进行图像级分类处理，得到...
【技术保护点】
1.一种图像分割方法，其特征在于，所述方法包括：/n基于分割网络对待分割图像进行像素级分割处理，得到所述待分割图像的分割结果；所述分割结果包括所述待分割图像中每个感兴趣位置的分割类别；/n将所述待分割图像输入至分类网络中进行图像级分类处理，得到所述待分割图像对应的分类结果；所述分类结果包括所述待分割图像属于各候选类别的分类概率；/n根据所述分类结果中属于各候选类别的分类概率和所述分割结果中的分割类别，优化所述待分割图像的分割结果。/n
【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：
基于分割网络对待分割图像进行像素级分割处理，得到所述待分割图像的分割结果；所述分割结果包括所述待分割图像中每个感兴趣位置的分割类别；
将所述待分割图像输入至分类网络中进行图像级分类处理，得到所述待分割图像对应的分类结果；所述分类结果包括所述待分割图像属于各候选类别的分类概率；
根据所述分类结果中属于各候选类别的分类概率和所述分割结果中的分割类别，优化所述待分割图像的分割结果。
2.根据权利要求1所述的方法，其特征在于，所述分类网络包括第一分类子网络和第二分类子网络，所述待分割图像包括多个图像切片，所述将所述待分割图像输入至分类网络中进行图像级分类处理，得到所述待分割图像对应的分类结果，包括：
将所述多个图像切片输入至所述第一分类子网络中进行空间分类处理，得到各所述图像切片属于各候选类别的第一分类概率和图像特征向量；
将各所述图像切片的图像特征向量按照时间顺序输入至所述第二分类子网络中进行时间分类处理，得到各所述图像切片属于各候选类别的第二分类概率；所述第二分类子网络具有学习各图像切片之间的时间相关性的功能；
根据各所述图像切片的第一分类概率和第二分类概率，得到各所述图像切片属于各候选类别的分类概率，根据所述各图像切片属于各候选类别的分类概率确定所述待分割图像的分类结果。
3.根据权利要求2所述的方法，其特征在于，所述分类网络还包括第三分类子网络，所述根据各所述图像切片的第一分类概率和第二分类概率，得到各所述图像切片属于各候选类别的分类概率，包括：
在所述第三分类子网络中，对所输入的各所述图像切片的第一分类概率和第二分类概率进行拼接处理，得到各所述图像切片的第一分类概率和第二分类概率组成的概率并集；
在所述第三分类子网络中对所述概率并集进行全连接处理，得到各所述图像切片属于各候选类别的分类概率；其中，各所述图像切片的分类概率的数量和所述第一分类概率的数量以及所述第二分类概率的数量相同。
4.根据权利要求2或3所述的方法，其特征在于，所述待分割图像中每个感兴趣位置的分割类别包括各个图像切片中每个感兴趣位置的分割类别；所述根据所述分类结果中属于各候选类别的分类概率和所述分割结果中的分割类别，优化所述待分割图像的分割结果，包括：
获取各所述候选类别对应的概率阈值；
分别将各所述图像切片属于各候选类别的分类概率和对应的所述概率阈值进行对比，得到各所述图像切片对应的分类类别；
将各所述图像切片的分类类别分别和对应的所述图像切片中的各个感兴趣位置的分割类别进行...
【专利技术属性】
技术研发人员：张朗，廖术，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31
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。