【技术实现步骤摘要】
本专利技术涉及医学影像处理，尤其涉及一种医学图像的分割方法、装置、设备及存储介质。
技术介绍
1、近年来，许多基于深度学习的图像分割方法被开发出来，但这些方法大多侧重于对目标对象的整个区域进行分割，并使用边界框来标注分割结果，忽略了区域的边界约束。
2、而在医学影像处理领域，清晰的分割边界对辅助后续的医学诊断/治疗有重要的指导意义。
技术实现思路
1、本专利技术实施例提供了一种医学图像的分割方法、装置、设备及存储介质，以解决传统的图像分割方法忽略了分割边界的问题，提高医学图像的边界分割效果。
2、根据本专利技术一个实施例提供了一种医学图像的分割方法，该方法包括：
3、将待分割医学图像输入到预先训练完成的目标图像分割模型中；其中，所述目标图像分割模型包括特征提取网络和图像分割网络；
4、通过所述特征提取网络，对输入的待分割医学图像进行特征提取，输出至少一个低阶图像特征、至少一个高阶图像特征和全局特征图像；
5、通过所述图像分割网络，...
【技术保护点】
1.一种医学图像的分割方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述全局解码模块包括低阶解码单元和高阶解码单元，所述低阶特征提取模块包括依次串联的至少两个低阶特征提取层，所述至少两个低阶特征提取层，用于对所述待分割医学图像逐层进行特征提取输出至少两个低阶图像特征，所述低阶解码单元，用于对所述至少两个低阶图像特征进行并行聚合拼接输出低阶特征图像，所述至少一个高阶特征提取层，用于对所述低阶特征图像逐层进行特征提取输出至少一个高阶图像特征，所述高阶解码单元，用于对所述低阶特征图像和所述至少一个高阶图像特征进行并行聚合拼接得到全局特征图像
3....
【技术特征摘要】
1.一种医学图像的分割方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述全局解码模块包括低阶解码单元和高阶解码单元，所述低阶特征提取模块包括依次串联的至少两个低阶特征提取层，所述至少两个低阶特征提取层，用于对所述待分割医学图像逐层进行特征提取输出至少两个低阶图像特征，所述低阶解码单元，用于对所述至少两个低阶图像特征进行并行聚合拼接输出低阶特征图像，所述至少一个高阶特征提取层，用于对所述低阶特征图像逐层进行特征提取输出至少一个高阶图像特征，所述高阶解码单元，用于对所述低阶特征图像和所述至少一个高阶图像特征进行并行聚合拼接得到全局特征图像。
3.根据权利要求1所述的方法，其特征在于，所述图像分割网络包括依次串联的第一特征融合模块、至少一个第二特征融合模块和第三特征融合模块，其中，所述第一特征融合模块，用于根据最后一个高阶图像特征和所述全局特征图像，输出第一融合图像；所述第二特征融合模块，用于根据输入的目标图像特征和目标融合图像，输出第二融合图像；所述第三特征融合模块，用于根据第一个低阶...
【专利技术属性】
技术研发人员：熊思，程斌，闵祥德，梁靖雯，陈诗如，彭旺，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
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。