【技术实现步骤摘要】
本公开涉及人工智能领域和图像处理领域，尤其涉及一种影像自动分割模型的训练方法、影像自动分割方法及系统。
技术介绍
1、随着人工智能和图像处理技术的进步，基于人工智能的影像学图像分析技术也得到了飞速发展，该技术可以用于对诸如计算机断层扫描（computed tomography，ct）影像的医学影像进行病灶识别和分割，从而能够有助于医疗人员更清晰地观察病灶。
2、然而，由于病灶本身的形态往往多种多样，不规则的病灶形态为人工智能的自动分割任务带来了困难，使得模型难以准确分割出病灶。以针对肺结节病灶的分割为例，在相关技术中，往往忽略了结节自身的形态学特征和瘤周生境情况，由于存在结节大小尺度变化较大、结节边缘轮廓模糊、不规则等问题，导致病灶的关键特征信息无法有效提取和充分融合，使得网络模型自动分割的预测结果不够理想。
技术实现思路
1、本公开提供一种影像自动分割模型的训练方法、影像自动分割方法及系统，以至少解决相关技术中由于病灶形态尺度变化大、边缘不规则导致的模型自动分割预测结果不够准...
【技术保护点】
1.一种影像自动分割模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，通过以下方式得到所述第一特征和所述第二特征：
3.根据权利要求2所述的训练方法，其特征在于，所述浅融合模块包括分支特征提取模块，其中，针对任一特征尺度，所述浅融合模块通过以下方式得到所述尺度融合特征：
4.根据权利要求3所述的训练方法，其特征在于，所述分支特征提取模块通过以下方式得到所述第一提取特征或所述第二提取特征：
5.根据权利要求2所述的训练方法，其特征在于，所述影像自动分割模型包括上采样叠加模块，所述
【技术特征摘要】
1.一种影像自动分割模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的训练方法，其特征在于，通过以下方式得到所述第一特征和所述第二特征：
3.根据权利要求2所述的训练方法，其特征在于，所述浅融合模块包括分支特征提取模块，其中，针对任一特征尺度，所述浅融合模块通过以下方式得到所述尺度融合特征：
4.根据权利要求3所述的训练方法，其特征在于，所述分支特征提取模块通过以下方式得到所述第一提取特征或所述第二提取特征：
5.根据权利要求2所述的训练方法，其特征在于，所述影像自动分割模型包括上采样叠加模块，所述训练方法还包括：
6.根据权利要求1所述的训练方法，其特征在于，所述特征聚合模块通过以下方式得到所述预测分割结果：
7.一种影像自...
【专利技术属性】
技术研发人员：郑阳，彭鸿祥，潘细朋，李擎，
申请(专利权)人：中国科学院自动化研究所，
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。