一种图像分割方法、系统、介质及电子终端技术方案

本发明专利技术提供一种图像分割方法、系统、介质及电子终端，方法包括：获取待分割训练图像；将成对的待分割训练图像输入定位网络，获取定位特征图，其中，获取定位特征图的步骤包括：对成对的待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据整体注意特征图，获取定位特征图；将定位特征图输入分割网络进行训练，获取图像分割模型；将成对的待分割的肿瘤图像输入图像分割模型，进行肿瘤图像分割；本发明专利技术中的图像分割方法通过将成对的待分割训练图像输入定位网络，不仅提取出相同语义特征，还可以提取出不同点语义特征，并将获取的定位特征图输入分割网络进行训练，获取图像分割模型，实现了跨图像语义提取，分割精确度较高。

【技术实现步骤摘要】
一种图像分割方法、系统、介质及电子终端
本专利技术涉及图像分割
，尤其涉及一种图像分割方法、系统、介质及电子终端。
技术介绍
随着图像分割技术的发展，弱监督图像分割学习受到了越来越多的关注，弱监督图像分割学习为使用少注释的图像级标注代替逐像素的标注，例如，对肿瘤图像进行弱监督图像分割，现存的弱监督图像分割学习通常通过分类网络得到定位特征图用来监督分割网络学习，然而目前，在弱监督图像分割学习的过程中，对于定位特征图的生成策略，仅保留了相同的语义特征，并且仅注意当前图像内的信息，不能获得较完整的对象信息，导致图像分割效果较差，分割精确度较低。
技术实现思路
本专利技术提供一种图像分割方法、系统、介质及电子终端，以解决现有技术中对于定位特征图的生成策略，仅保留了相同的语义特征，并且仅注意当前图像内的信息，不能获得较完整的对象信息，导致图像分割效果较差，分割精确度较低的问题。本专利技术提供的图像分割方法，包括：获取待分割训练图像；将成对的所述待分割训练图像输入定位网络，获取定位特征图，其中，获取所述定位特征图的步骤包括：对成对的所述待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据所述整体注意特征图，获取所述定位特征图；将所述定位特征图输入分割网络进行训练，获取图像分割模型；将成对的待分割的肿瘤图像输入所述图像分割模型，进行肿瘤图像分割。可选的，获取待分割图像的步骤包括：获取原始训练图像；对所述原始训练图像进行预处理，获取预处理图像；对所述预处理图像进行标注，获取待分割训练图像，所述待分割训练图像包括：用于表示图像中所包含的类别情况的标签向量。可选的，所述定位网络包括：分类网络、用于获取相同点特征图的第一注意模块、用于获取整体注意特征图的第二注意模块；将成对的所述待分割训练图像输入定位网络，获取定位特征图的步骤包括：将成对的所述待分割训练图像输入所述分类网络，分别进行特征提取，获取原始特征图；将所述原始特征图输入所述第一注意模块，获取相同点特征图；将所述相同点特征图输入所述第二注意模块，获取整体注意特征图；根据所述整体注意特征图，获取定位特征图。可选的，将成对的所述待分割训练图像输入定位网络，获取定位特征图的步骤还包括：将成对的所述待分割训练图像输入所述分类网络，分别进行特征提取，获取第一原始特征图和第二原始特征图；将所述第一原始特征图与所述第二原始特征图输入所述第一注意模块，提取所述第一原始特征图与所述第二原始特征图中的相同语义特征，进而获取第一相同点特征图和第二相同点特征图；将所述第一相同点特征图和所述第二相同点特征图输入所述第二注意模块，提取所述第一相同点特征图和所述第二相同点特征图中的不同语义特征，进而获取整体注意特征图；根据所述整体注意特征图，获取定位特征图。可选的，获取第一相同点特征图和第二相同点特征图的步骤包括：根据所述第一原始特征图和所述第二原始特征图，获取所述第一原始特征图和所述第二原始特征图的亲密矩阵；根据所述亲密矩阵，利用Softmax函数，获取第一相同点注意图和第二相同点注意图；根据所述第一相同点注意图、第二相同点注意图、第一原始特征图和第二原始特征图，获取第一相同点特征图和第二相同点特征图。可选的，根据整体注意特征图，获取定位特征图的步骤包括：根据所述第一相同点特征图和第二相同点特征图，利用sigmod函数，获取第一类未知特征图和第二类未知特征图；根据所述第一类未知特征图和所述第二类未知特征图，获取第一不同点注意图和第二不同点注意图；将所述第一原始特征图与所述第二原始特征图输入所述第二注意模块；根据所述第一原始特征图、第二原始特征图、第一不同点注意图和第二不同点注意图，获取第一整体注意特征图和第二整体注意特征图；将所述第一整体注意特征图和第二整体注意特征图输入定位网络的类感知激活层，获取第一类感知激活图和第二类感知激活图，将所述第一类感知激活图作为第一定位特征图，将所述第二类感知激活图作为第二定位特征图。可选的，将成对的待分割训练图像输入定位网络，获取定位特征图的步骤之后包括：将所述原始特征图、相同点特征图和整体注意特征图分别输入所述定位网络的类感知激活层，获取类感知原始特征图、类感知相同点特征图和类感知整体注意特征图；将所述类感知原始特征图、类感知相同点特征图和类感知整体注意特征图分别进行全局平均池化，获取原始预测向量、相同点预测向量、整体预测向量；根据所述原始预测向量、相同点预测向量、整体预测向量，利用交叉熵函数，获取所述定位网络的损失；根据所述定位网络的损失，对定位网络进行优化。本专利技术还提供一种图像分割系统，包括：预处理模块，用于获取待分割训练图像；定位模块，用于将成对的所述待分割训练图像输入定位网络，获取定位特征图，其中，获取所述定位特征图的步骤包括：对成对的所述待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据所述整体注意特征图，获取所述定位特征图；训练模块，用于将所述定位特征图输入分割网络进行训练，获取图像分割模型；图像分割模块，用于将成对的待分割的肿瘤图像输入所述图像分割模型，进行肿瘤图像分割，所述预处理模块、定位模块、训练模块和图像分割模块连接。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述方法。本专利技术还提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。本专利技术的有益效果：本专利技术中的图像分割方法通过将成对的待分割训练图像输入定位网络，不仅提取出相同语义特征，还可以提取出不同点语义特征，并将获取的定位特征图输入分割网络进行训练，获取图像分割模型，实现了跨图像语义提取，能够获得较完整的对象信息，具有较好的图像分割效果，分割精确度较高。附图说明图1是本专利技术实施例中图像分割方法的一流程示意图；图2是本专利技术实施例中图像分割方法的另一流程示意图；图3是本专利技术实施例中图像分割方法的定位网络的结构示意图；图4是本专利技术实施例中图像分割方法的第一注意模块的结构示意图；图5是本专利技术实施例中图像分割方法的第二注意模块的结构示意图；图6是本专利技术实施例中图像分割系统的结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。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获取待分割训练图像；/n将成对的所述待分割训练图像输入定位网络，获取定位特征图，其中，获取所述定位特征图的步骤包括：对成对的所述待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据所述整体注意特征图，获取所述定位特征图；/n将所述定位特征图输入分割网络进行训练，获取图像分割模型；/n将成对的待分割的肿瘤图像输入所述图像分割模型，进行肿瘤图像分割。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
获取待分割训练图像；
将成对的所述待分割训练图像输入定位网络，获取定位特征图，其中，获取所述定位特征图的步骤包括：对成对的所述待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据所述整体注意特征图，获取所述定位特征图；
将所述定位特征图输入分割网络进行训练，获取图像分割模型；
将成对的待分割的肿瘤图像输入所述图像分割模型，进行肿瘤图像分割。


2.根据权利要求1所述的图像分割方法，其特征在于，获取待分割图像的步骤包括：
获取原始训练图像；
对所述原始训练图像进行预处理，获取预处理图像；
对所述预处理图像进行标注，获取待分割训练图像，所述待分割训练图像包括：用于表示图像中所包含的类别情况的标签向量。


3.根据权利要求1所述的图像分割方法，其特征在于，所述定位网络包括：分类网络、用于获取相同点特征图的第一注意模块、用于获取整体注意特征图的第二注意模块；将成对的所述待分割训练图像输入定位网络，获取定位特征图的步骤包括：
将成对的所述待分割训练图像输入所述分类网络，分别进行特征提取，获取原始特征图；
将所述原始特征图输入所述第一注意模块，获取相同点特征图；
将所述相同点特征图输入所述第二注意模块，获取整体注意特征图；
根据所述整体注意特征图，获取定位特征图。


4.根据权利要求1所述的图像分割方法，其特征在于，将成对的所述待分割训练图像输入定位网络，获取定位特征图的步骤还包括：
将成对的所述待分割训练图像输入所述分类网络，分别进行特征提取，获取第一原始特征图和第二原始特征图；
将所述第一原始特征图与所述第二原始特征图输入所述第一注意模块，提取所述第一原始特征图与所述第二原始特征图中的相同语义特征，进而获取第一相同点特征图和第二相同点特征图；
将所述第一相同点特征图和所述第二相同点特征图输入所述第二注意模块，提取所述第一相同点特征图和所述第二相同点特征图中的不同语义特征，进而获取整体注意特征图；
根据所述整体注意特征图，获取定位特征图。


5.根据权利要求4所述的图像分割方法，其特征在于，获取第一相同点特征图和第二相同点特征图的步骤包括：
根据所述第一原始特征图和所述第二原始特征图，获取所述第一原始特征图和所述第二原始特征图的亲密矩阵；
根据所述亲密矩阵，利用Softmax函数，获取第一相同点注意图和第二相同点注意图；
根据所述第一相同点注意图、第二相同点注意图、第一原始特征图和第二原始特征图，获取第一相...

【专利技术属性】
技术研发人员：彭德光，朱楚洪，唐贤伦，孙健，
申请(专利权)人：重庆兆琨智医科技有限公司，
类型：发明
国别省市：重庆;50