图像分割方法、装置、计算机设备、存储介质及程序产品制造方法及图纸

本申请公开了一种图像分割方法、装置、计算机设备、存储介质及程序产品，涉及图像处理技术领域。该方法包括：基于样本医学图像中样本分割区域对应的样本直径标注，确定样本医学图像对应的欠分割掩膜和过分割掩膜；基于样本医学图像和欠分割掩膜，训练第一图像分割网络，第一图像分割网络用于对样本医学图像进行欠分割区域预测；基于样本医学图像和过分割掩膜，训练第二图像分割网络，第二图像分割网络用于对样本医学图像进行过分割区域预测。采用样本直径标注生成弱监督信息，可以减少人工标注操作，使得通过较少的人工标注就可以得到大规模的训练样本数据，提高了生成用于训练图像分割网络对应监督信息的效率，进一步提高了模型训练效率。型训练效率。型训练效率。

【技术实现步骤摘要】
图像分割方法、装置、计算机设备、存储介质及程序产品


[0001]本申请实施例涉及图像处理
，特别涉及一种图像分割方法、装置、计算机设备、存储介质及程序产品。

技术介绍

[0002]医学图像分割用于将医学图像中具有某些特殊含义的部分分割出来，并提取出相关特征，为临床医学和病理学研究提供可靠的依据。
[0003]医学图像中可能包含多种类型的待分割图像，如人体中的器官、组织等，计算机设备通过调用相关的图像分割网络对医学图像进行分割。为了实现图像分割网络的图像分割功能，需要通过标注有分割区域的医学图像进行训练；相关技术中通过医学专家人工标注分割区域轮廓，以获取具备标注区域的样本图像。
[0004]显然，采用人工标注的样本图像，需要专业医护人员进行标注，样本图像获取难度较高，从而导致图像分割网络的训练效率较低。

技术实现思路

[0005]本申请实施例提供了一种图像分割方法、装置、计算机设备、存储介质及程序产品。所述技术方案包括如下方面。
[0006]一方面，提供了图像分割方法，所述方法包括：
[0007]对目标医学图像中的目标分割区域进行欠分割区域预测，得到第一目标概率图像，所述第一目标概率图像中包含所述目标医学图像中各个像素点属于欠分割区域的概率值，所述欠分割区域小于所述目标分割区域；
[0008]对所述目标医学图像中的所述目标分割区域进行过分割区域预测，得到第二目标概率图像，所述第二目标概率图像中包含所述目标医学图像中各个像素点属于过分割区域的概率，所述过分割区域大于所述目标分割区域；
[0009]基于所述第一目标概率图像和所述第二目标概率图像，确定所述目标医学图像对应的目标分割掩膜。
[0010]另一方面，提供了一种图像分割方法，所述方法包括：
[0011]基于样本医学图像中样本分割区域对应的样本直径标注，确定所述样本医学图像对应的欠分割掩膜和过分割掩膜，所述欠分割掩膜对应的欠分割区域小于所述样本分割区域，所述过分割掩膜对应的过分割区域大于所述样本分割区域；
[0012]基于所述样本医学图像和所述欠分割掩膜，训练第一图像分割网络，所述第一图像分割网络用于对所述样本医学图像进行欠分割区域预测；
[0013]基于所述样本医学图像和所述过分割掩膜，训练第二图像分割网络，所述第二图像分割网络用于对所述样本医学图像进行过分割区域预测。
[0014]另一方面，提供了一种图像分割装置，所述装置包括：
[0015]第一分割预测模块，用于对目标医学图像中的目标分割区域进行欠分割区域预
测，得到第一目标概率图像，所述第一目标概率图像中包含所述目标医学图像中各个像素点属于欠分割区域的概率值，所述欠分割区域小于所述目标分割区域；
[0016]第二分割预测模块，用于对所述目标医学图像中的所述目标分割区域进行过分割区域预测，得到第二目标概率图像，所述第二目标概率图像中包含所述目标医学图像中各个像素点属于过分割区域的概率，所述过分割区域大于所述目标分割区域；
[0017]第一确定模块，用于基于所述第一目标概率图像和所述第二目标概率图像，确定所述目标医学图像对应的目标分割掩膜。
[0018]另一方面，提供了一种图像分割装置，所述装置包括：
[0019]第二确定模块，用于基于样本医学图像中样本分割区域对应的样本直径标注，确定所述样本医学图像对应的欠分割掩膜和过分割掩膜，所述欠分割掩膜对应的欠分割区域小于所述样本分割区域，所述过分割掩膜对应的过分割区域大于所述样本分割区域；
[0020]第一训练模块，用于基于所述样本医学图像和所述欠分割掩膜，训练第一图像分割网络，所述第一图像分割网络用于对所述样本医学图像进行欠分割区域预测；
[0021]第二训练模块，用于基于所述样本医学图像和所述过分割掩膜，训练第二图像分割网络，所述第二图像分割网络用于对所述样本医学图像进行过分割区域预测。
[0022]另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现如上方面所述的图像分割方法。
[0023]另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上方面所述的图像分割方法。
[0024]根据本申请的另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述可选实现方式中提供的图像分割方法。
[0025]本申请实施例提供的技术方案带来的有益效果至少包括：
[0026]提供了一种弱监督的图像分割方法，通过使用样本医学图像中样本分割区域对应的样本直径标注，构建用于训练第一图像分割网络和第二图像分割网络的监督信息：欠分割掩膜和过分割掩膜，使得第一图像分割网络具备欠分割区域预测功能，第二图像分割网络具备过分割区域预测功能，进而使得训练完成的第一图像分割网络和第二图像分割网络可以用于医学图像中分割区域的分割预测；相比于相关技术中需要使用样本分割区域的样本分割轮廓标注作为监督信息，本申请实施例采用样本直径标注生成弱监督信息，可以减少人工标注操作，使得通过较少的人工标注就可以得到大规模的训练样本数据，提高了生成用于训练图像分割网络对应监督信息的效率，进一步提高了模型训练效率。
附图说明
[0027]为了更清楚地说明本申请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作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[0028]图1示出了本申请一个示例性实施例提供的实施环境的示意图；
[0029]图2示出了本申请一个示例性实施例提供的图像分割方法的流程图；
[0030]图3示出了本申请另一个示例性实施例提供的图像分割方法的流程图；
[0031]图4示出了本申请一个示例性实施例示出的欠分割掩膜和过分割掩膜的生成过程示意图；
[0032]图5示出了本申请一个示例性实施例示出的图像分割模型的训练过程示意图；
[0033]图6示出了本申请另一个示例性实施例提供的图像分割方法的流程图；
[0034]图7示出了本申请另一个示例性实施例示出的图像分割模型的训练过程示意图；
[0035]图8示出了本申请另一个示例性实施例示出的图像分割模型的训练过程示意图；
[0036]图9示出了本申请一个示例性实施例提供的图像分割方法的流程图；
[0037]图10示出了本申请另一个示例性实施例提供的图像分割方法的流程图；
...

【技术保护点】

【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：对目标医学图像中的目标分割区域进行欠分割区域预测，得到第一目标概率图像，所述第一目标概率图像中包含所述目标医学图像中各个像素点属于欠分割区域的概率值，所述欠分割区域小于所述目标分割区域；对所述目标医学图像中的所述目标分割区域进行过分割区域预测，得到第二目标概率图像，所述第二目标概率图像中包含所述目标医学图像中各个像素点属于过分割区域的概率，所述过分割区域大于所述目标分割区域；基于所述第一目标概率图像和所述第二目标概率图像，确定所述目标医学图像对应的目标分割掩膜。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一目标概率图像和所述第二目标概率图像，确定所述目标医学图像对应的目标分割掩膜，包括：基于所述第一目标概率图像和所述第二目标概率图像，生成目标分割概率图像；基于所述目标分割概率图像，确定所述目标医学图像对应的目标分割掩膜。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标分割概率图像，确定所述目标医学图像对应的目标分割掩膜，包括：在所述目标分割概率图像中像素点的像素值高于概率阈值的情况下，将所述像素点的像素值确定为第一像素值；在所述目标分割概率图像中像素点的像素值低于所述概率阈值的情况下，将所述像素点的像素值确定为第二像素值；基于第一像素值和所述第二像素值，生成所述目标分割掩膜。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一目标概率图像和所述第二目标概率图像，生成目标分割概率图像，包括：对所述第一目标概率图像和所述第二目标概率图像中同一像素点对应的像素值进行平均处理，得到所述目标分割概率图像。5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：基于所述目标分割掩膜和所述目标医学图像，生成所述目标分割区域对应的目标分割图像。6.一种图像分割方法，其特征在于，所述方法包括：基于样本医学图像中样本分割区域对应的样本直径标注，确定所述样本医学图像对应的欠分割掩膜和过分割掩膜，所述欠分割掩膜对应的欠分割区域小于所述样本分割区域，所述过分割掩膜对应的过分割区域大于所述样本分割区域；基于所述样本医学图像和所述欠分割掩膜，训练第一图像分割网络，所述第一图像分割网络用于对所述样本医学图像进行欠分割区域预测；基于所述样本医学图像和所述过分割掩膜，训练第二图像分割网络，所述第二图像分割网络用于对所述样本医学图像进行过分割区域预测。7.根据权利要求6所述的方法，其特征在于，所述基于样本医学图像中样本分割区域对应的样本直径标注，确定所述样本医学图像对应的欠分割掩膜和过分割掩膜，包括：基于所述样本直径标注，确定所述样本医学图像中所述样本分割区域对应的长径标注和短径标注，所述长径标注为所述样本分割区域对应最长直径的标注，所述短径标注为所
述样本分割区域对应最短直径的标注；基于所述长径标注和所述短径标注，确定所述样本医学图像对应的所述欠分割掩膜；基于所述长径标注，确定所述样本医学图像对应的所述过分割掩膜。8.根据权利要求7所述的方法，其特征在于，所述基于所述长径标注和所述短径标注，确定所述样本医学图像对应的所述欠分割掩膜，包括：基于所述长径标注和所述短径标注，确定所述样本医学图像中的所述欠分割区域；将所述医学样本图像中属于所述欠分割区域的像素点的像素值设置为第一像素值，以及将所述医学样本图像中不属于所述欠分割区域的像素点的像素值设置为第二像素值，生成所述样本医学图像对应的所述欠分割掩膜。9.根据权利要求7所述的方法，其特征在于，所述基于所述长径标注，确定所述样本医学图像对应的所述过分割掩膜，包括：基于所述长径标注，确定所述样本医学图像中的所述过分割区域；将所述医学样本图像中属于所述过分割区域的像素点的像素值设置为第一像素值，以及将所述医学样本图像中不属于所述过分割区域的像素点的像素值设置为第二像素值，生成所述样本医学图像对应的所述过分割掩膜。10.根据权利要求6至9任一所述的方法，其特征在于，所述基于所述样本医学图像和所述欠分割掩膜，训练第一图像分割网络，包括：将所述样本医学图像输入所述第一图像分割网络，得到所述第一图像分割网络输出的第一样本概率图像，所述第一样本概率图像中包括所述样本医学图像中各个像素点属于所述欠分割区域的概率值；基于所述第一样本概率图像和所述欠分割掩膜，训练所述第一图像分割网络。11.根据权利要求10所述的方法，其特征在于，所述方法还包括：基于所述第一样本概率图像和第二样本概率图像，确定第一分割损失，所述第二样本概率图像是由所述第二图...

【专利技术属性】
技术研发人员：魏东，卢东焕，周联昱，李悦翔，马锴，王连生，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：