【技术实现步骤摘要】
一种多模态三维图像分割方法、装置、设备及存储介质
[0001]本专利技术涉及医学图像分割
，尤其涉及一种多模态三维图像分割方法、装置、设备及存储介质。
技术介绍
[0002]近年来，多模态医疗影像在医学图像分割中得到了广泛的应用。基于多模态影像勾画和特征提取构建病灶分析模型，在肿瘤智能诊断、疗效评估等多个方面有重要价值。
[0003]传统多模态分割为多模态输入，将不同模态的图像配准至同一角度并将各个图像能提供的患者病变部位的图像特征融合至一张图像上显示，共同预测一个病灶图像输出。
[0004]然而，通过单个病灶图像进行疾病诊断，在实际确定病因过程中是行不通的。同时，传统多模态分割对各图像初始对齐状况、相似度要求较高，致使图像配准融合的复杂度较高，病变区域分割精度较低。
技术实现思路
[0005]本专利技术提供了一种多模态三维图像分割方法、装置、设备及存储介质，以降低多模态三维图像的融合复杂度，提高多模态三维图像分割精度。
[0006]根据本专利技术的一方面，提供了一种多模态三维图...
【技术保护点】
【技术特征摘要】
1.一种多模态三维图像分割方法，其特征在于，包括：获取目标对象的多模态三维图像，其中，所述多模态三维图像包括至少两种模态下采集的所述目标对象的目标三维图像；基于所述多模态三维图像以及与所述多模态三维图像对应的目标图像分割模型，确定与每张所述目标三维图像对应的目标分割图像，其中，所述目标图像分割模型包括与每个所述目标三维图像对应的模型支路，所述模型支路包括特征融合网络，所述特征融合网络用于连接至少两个所述模型支路，以将其连接的支路中的所述目标三维图像进行特征融合。2.根据权利要求1所述的方法，其特征在于，所述模型支路包括与所述特征融合网络连接的反卷积模块；所述基于所述多模态三维图像以及与所述多模态三维图像对应的目标图像分割模型，确定与每张所述目标三维图像对应的目标分割图像，包括：针对单个所述模型支路，基于所述特征融合网络，根据与所述特征融合网络连接的模型支路中的目标三维图像，确定待反卷积特征图像；基于所述反卷积模块，将所述待反卷积特征图像进行上采样处理，获得目标分割图像。3.根据权利要求2所述的方法，其特征在于，所述模型支路还包括图像预处理模块，所述特征融合网络包括特征融合模块和卷积模块，所述卷积模块设置于所述特征融合模块之后；所述基于所述特征融合网络，根据与所述特征融合网络连接的模型支路中的目标三维图像，确定待反卷积特征图像，包括：针对单个所述模型支路，基于所述图像预处理模块，将所述目标三维图像进行图像特征提取处理，获得三维特征图像；基于所述特征融合模块，根据与所述特征融合模块连接的模型支路中的所述三维特征图像，确定待卷积特征图像；基于所述卷积模块，将所述待卷积特征图像进行下采样处理，获得待反卷积特征图像。4.根据权利要求3所述的方法，其特征在于，所述特征融合模块包括第一融合单元和第二融合单元；所述基于所述特征融合模块，根据与所述特征融合模块连接的模型支路中的所述三维特征图像，确定待卷积特征图像，包括：基于所述第一融合网络单元，将与所述特征融合模块连接的模型支路中的所述三维特征图像进行特征融合处理，获得三维融合图像；基于所述第二融合网络单元，将所述三维融合图像与所述三维特征图像进行特征融合处理，获得待卷积特征图像。5.根据权利要求4所述的方法，其特征在于，所述第一融合单元包括与每个所述三维特征图像对应的单元分支路，至少两个所述单元分支路中设置有池化子单元、注意力机制子单元、卷积子单元和反池化子单元；所述基于所述第一融合网络单元，将与所述特征融合模块连接的支路中的所述三维特征图像进行特征融合处理，获得三维融合图像，包括：针对每个所述单元分支路，基于所述池化子单元，将所述三维特征图像进行池化处理，
获得待融合特征图像；基于所述注意力机制子单元，将与所述注意力机制单元连接的所述单元分支路中的所述待融合特征图像进行特征融合处理，获得待卷积融合图像；基于所述卷积子单元，将所述待卷积融合...
【专利技术属性】
技术研发人员：刘长东，许文仪，周子捷，
申请(专利权)人：联仁健康医疗大数据科技股份有限公司，
类型：发明
国别省市：
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。