基于图像的结构分割方法、装置、计算机设备及存储介质制造方法及图纸

本申请提供了一种基于图像的结构分割方法、装置、计算机设备及存储介质，属于图像处理技术领域。所述方法包括：获取结构图像和分割需求；通过图像分割模型的门控网络，对所述分割需求进行处理，得到门控向量；基于所述门控向量，调用所述多个子网络中的多个目标子网络；通过所述图像分割模型的所述多个目标子网络，对所述结构图像进行处理，得到所述多个目标子网络的输出；基于所述多个目标子网络的输出，预测所述结构图像中所述多个目标特征部位的位置。上述方法只需将多个目标子网络对应的代码加载到内存中运行，就能够实现一次分割多个特征部位的目的，不仅减少了硬件资源的消耗，还提高了分割效率。还提高了分割效率。还提高了分割效率。

【技术实现步骤摘要】
基于图像的结构分割方法、装置、计算机设备及存储介质


[0001]本申请涉及图像处理
，特别涉及一种基于图像的结构分割方法、装置、计算机设备及存储介质。

技术介绍

[0002]在日常生活中，目标对象的结构中包含多种器官。为了进一步对各个器官进行研究，以检测各个器官中是否存在异常，在此之前，需要对目标对象的结构进行分割。该目标对象可以是人体或者动物等。
[0003]相关技术中，针对于目标对象中任一器官的分割，通常是将目标对象的结构图像，输入到该器官对应的图像分割模型中，通过该图像分割模型提取该结构图像的图像特征，然后对该图像特征进行识别，来确定该结构图像中该器官所在的区域，以从该结构图像中分割出该器官。
[0004]但是，上述技术方案中的图像分割模型是通过特定的器官分割需求，在该特定的器官对应的数据集上进行训练的，也即是该图像分割模型仅能分割出一种器官，当面临多种器官的分割任务时，需要维护多种图像分割模型，消耗极大的硬件资源，并且分割效率低下。

技术实现思路

[0005]本申请实施例提供了一种基于图像的结构分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的结构分割方法，其特征在于，所述方法包括：获取结构图像和分割需求，所述结构图像中包含多个特征部位，所述分割需求用于指示所需分割出的多个目标特征部位；通过图像分割模型的门控网络，对所述分割需求进行处理，得到门控向量，所述图像分割模型包括多个子网络，所述多个子网络用于各自识别对应的特征部位，所述门控向量用于指示所要调用的子网络；基于所述门控向量，调用所述多个子网络中的多个目标子网络，所述多个目标子网络用于识别对应的目标特征部位；通过所述图像分割模型的所述多个目标子网络，对所述结构图像进行处理，得到所述多个目标子网络的输出；基于所述多个目标子网络的输出，预测所述结构图像中所述多个目标特征部位的位置，所述多个目标特征部位的位置用于表示分割结果。2.根据权利要求1所述的方法，其特征在于，所述通过图像分割模型的门控网络，对所述分割需求进行处理，得到门控向量，包括：基于所述图像分割模型的门控网络，对所述结构图像和所述分割需求进行处理，确定所述多个子网络的置信度分数，所述置信度分数用于表示对应的子网络对各个目标特征部位的识别性能；基于所述多个子网络的置信度分数，确定所述图像分割模型中的所述门控向量。3.根据权利要求2所述的方法，其特征在于，所述基于所述多个子网络的置信度分数，确定所述图像分割模型中的所述门控向量，包括：从按照由高到低排序的所述多个子网络的置信度分数中，选择排序靠前的预设数量个目标分数；将所述预设数量个目标分数对应的子网络权重设置为第一数值，将所述图像分割模型中剩余的子网络的权重设置为第二数值，所述第一数值用于表示对应的子网络对所述多个目标特征部位的识别作出贡献，所述第二数值用于表示对应的子网络对所述多个目标特征部位的识别未作出贡献；基于所述图像分割模型中所述多个子网络对应的权重，确定所述门控向量。4.根据权利要求1所述的方法，其特征在于，所述基于所述多个目标子网络的输出，预测所述结构图像中所述多个目标特征部位的位置，包括：基于所述结构图像和所述分割需求，生成多个预测核，所述多个预测核用于分别识别各自对应的目标特征部位，所述多个预测核中的元素值不同；基于所述多个预测核和所述多个目标子网络的输出，确定所述结构图像中所述多个目标特征部位的位置。5.根据权利要求4所述的方法，其特征在于，所述基于所述结构图像和所述分割需求，生成多个预测核，包括：基于所述结构图像和所述分割需求，确定所要分割的所述多个目标特征部位；对于任一目标特征部位，确定所述目标特征部位的关联特征部位，所述关联特征部位与所述目标特征部位之间存在属性关联；基于所述目标特征部位和所述关联特征部位，确定所述目标特征部位对应的预测核中
的元素...

【专利技术属性】
技术研发人员：纪源丰，卞亚涛，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：