图像分割方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像分割方法、装置、设备及存储介质，该方法包括：获取待分割图像；通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，图像分割模型的解码单元用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。解决了现有深度学习方法的普适性较低的问题。

【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医学图像处理领域，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
随着医疗科学技术的发展，很多医院都配置有各种各样的医学影像设备，这些医学影像设备每天都会产生大量的医学图像数据。这些医学图像数据对于病人的病情诊断具有重要的作用，但限于医生的时间、精力以及临床经验，仅仅依靠医生的视觉很难准确、有效地通过影像数据完成疾病的诊断。为了提高医生的诊断效率，用于将病变区域从医学图像中分割出来的图像分割技术应运而生。现有技术的图像分割方法主要分为机器学习方法和深度学习方法，而现有深度学习方法的普适性较低的问题。
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，解决了现有深度学习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，该方法包括：获取待分割图像；通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，图像分割模型用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。进一步，获取自注意力结果的方法包括：通过不同的卷积操作从当前高层特征中提取第一特征图、第二特征图和第三特征图；计算所述第一特征图和所述第二特征图的乘积，并对该乘积结果执行分类操作以得到包含每个像素分类信息的分类结果；计算所述分类结果与所述第三特征图的乘积，以及该乘积结果与该当前高层特征的乘积，以得到自注意力结果。进一步，在计算初始通道注意力结果之前还包括：对自注意力结果进行全局平均池化以更新所述自注意力结果，且更新之后的自注意力结果为K个1×1的特征图，其中K为通道数。进一步，所述图像分割模型还包括特征提取单元和特征融合单元；所述特征提取单元用于对所述待分割图像进行特征提取以得到特征提取结果；所述特征融合单元用于通过多条并联通道分别从所述特征提取结果中提取相应尺度的特征图并对相应尺度的特征图进行压缩与解压缩操作，以及对所有通道输出的压缩与解压缩结果进行特征融合以得到特征融合结果。进一步，特征融合单元的所有通道均通过SE块完成相应尺度的特征图的压缩与解压缩操作。进一步，所述图像分割模型的损失函数包括主函数和辅助函数；其中，所述辅助函数为权重交叉熵函数。第二方面，本专利技术实施例还提供了图像分割装置，该装置包括：获取模块，用于获取待分割图像；输出模块，用于通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，图像分割模型的解码单元用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。第三方面，本专利技术实施例还提供了一种图像分割设备，该设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如任意实施例所述的图像分割方法。第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行任意实施例所述的图像分割方法。本专利技术实施例提供的图像分割方法、装置、设备及存储介质的技术方案，通过已训练的图像分割模块对待分割图像进行图像分割以得到目标分割区域，该图像分割模型的解码单元用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸，由于自注意力结果携带有待分割图像的上下文特征信息，因此基于自注意力结果与当前高层特征对应的低层特征确定初始通道注意力结果之后，该初始通道注意力结果可使用该上下文特征信息指导低层特征来获取像素的位置信息和类别信息，加之通道注意力结果不仅包含初始通道注意力结果，还包含当前高层特征，这使得通道注意力结果更加准确并可适用于各种场景，从而使得该图像分割模型具有较高的普适性和鲁棒性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一提供的图像分割方法的流程图；图2是本专利技术实施例一提供的待分割图像(眼底图像)示意图；图3是本专利技术实施例一提供的图像分割模型的示意图；图4是本专利技术实施例一提供的注意力与通道注意力结合示意图；图5A是本专利技术实施例一提供的眼底血管图像分割示意图；图5B是本专利技术实施例一提供的颅内动脉血管图像分割示意图；图5C是本专利技术实施例一提供的腿骨动脉图像分割示意图；图6是本专利技术实施例一提供的池化单元的示意图；图7是本专利技术实施例一提供的SE块的示意图；图8是本专利技术实施例二提供的图像分割装置的结构框图；图9是本专利技术实施例三提供的图像分割设备的结构框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，以下将参照本专利技术实施例中的附图，通过实施方式清楚、完整地描述本专利技术的技术方案，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一图1是本专利技术实施例一提供的图像分割方法的流程图。本实施例的技术方案适用于通过已训练的图像分割模型自动完成图像分割的情况，其中，图像分割模型基于自注意力机制与通道注意力机制构建。该方法可以由本专利技术实施例提供的图像分割装置来执行，该装置可以采用软件和/或硬件的方式实现，并配置在处理器中应用。该方法具体包括如下步骤：S101、获取待分割图像。其中，待分割图像可以是CT(ComputedTomography，简称CT，电子计算机断层成像)图像、MR(MagneticResonanceImaging，简称MR，磁共振成像)图像、PET(PositronEmissionTomography，简称PET，正电子发射计算机断层显像)图像等临床医学图像，其包括目标分割区域和非目标分割区域。其中，目本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：/n获取待分割图像；/n通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，所述图像分割模型的解码单元用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
获取待分割图像；
通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，所述图像分割模型的解码单元用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。


2.根据权利要求1所述的方法，其特征在于，获取自注意力结果的方法包括：
通过不同的卷积操作从当前高层特征中提取第一特征图、第二特征图和第三特征图；
计算所述第一特征图和所述第二特征图的乘积，并对该乘积结果执行分类操作以得到包含每个像素分类信息的分类结果；
计算所述分类结果与所述第三特征图的乘积，以及该乘积结果与该当前高层特征的乘积，以得到自注意力结果。


3.根据权利要求1所述的方法，其特征在于，在计算初始通道注意力结果之前还包括：
对自注意力结果进行全局平均池化以更新所述自注意力结果，且更新之后的自注意力结果为K个1×1的特征图，其中K为通道数。


4.根据权利要求1-3任一所述的方法，其特征在于，所述图像分割模型还包括特征提取单元和特征融合单元；
所述特征提取单元用于对所述待分割图像进行特征提取以得到特征提取结果；
所述特征融合单元用于通过多条并联通道分别从所述特征提取结果中提取相...

【专利技术属性】
技术研发人员：吴剑煌，倪佳佳，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44