[发明专利]图像分割方法、装置、电子设备及存储介质

说明书

一种图像分割方法，应用于医学影像处理技术领域，包括：将待分割图像进行逐级编码，得到该待分割图像最高级特征图像，将该最高级特征图像输入给紧凑特征学习模型，得到紧凑特征图像，将该紧凑特征图像结合该最高级特征图像进行逐级解码，以还原该紧凑特征图像的空间信息，得到待分割目标图像，对该待分割目标图像中的各像素的待分割类别进行预测，得到该待分割目标图像的分割预测图，根据该分割预测图，提取该待分割目标图像的预测边界。本申请还公开了一种图像分割装置、电子设备及存储介质，可提升图像分割准确度，同时，降低图像分割中的噪声影响。

技术领域

本申请涉及医学影像处理技术领域，尤其涉及一种图像分割方法、装置、电子设备及存储介质。

背景技术

受限于医学成像方法和医学成像设备，医学影像往往存在边缘模糊的特性，这导致医生标注工作的困难，尤其是边界的标注严重依赖于医生的经验和主管标准。同一个医生多次标注之间，不同医生标注之间都存在标注的差异化，由此导致的内在噪声问题在自动分割模型训练过程中往往是被忽略的。

目前已有研究方法，优化边界的方式往往是在训练过程中给边界像素赋予更高的权重，这一定程度上增强了模型对边界的敏感性，但同时也增加了训练过程中噪声带来的影响。

发明内容

本申请的主要目的在于提供一种图像分割方法、装置、电子设备及存储介质，可提升图像分割准确度，降低图像分割中的噪声影响。

为实现上述目的，本申请实施例第一方面提供一种图像分割方法，包括：

将待分割图像输入语义分割网络的编码模块进行逐级编码，所述多层特征图像的空间信息依次减小，语义信息依次增大，并获取所述多层特征图像中空间信息最小且语义信息最大的特征图像作为最高级特征图像；

将所述最高级特征图像送入到紧凑特征模块，在紧凑特征学习模块中，通过粗分割预测结果计算各待分割类别的特征中心，随后根据最高级特征图像中各像素与各特征中心的相似度对最高级特征图进行特征重构，得到紧凑特征图像；

将得到的紧凑特征图与所述的最高级特征图结合，得到第一级紧凑特征图像，获取与所述第一级紧凑特征图像空间信息相同的编码过程中的特征图像，将所述第一级紧凑特征图像与所述特征图像进行特征融合，得到第二级紧凑特征图像，依此得到第N级紧凑特征图像，所述第N级紧凑特征图像的空间信息与所述待分割图像的空间信息相同，将所述第N级紧凑特征图像作为待分割目标图像；

对所述待分割目标图像中的各像素的待分割类别进行预测，得到所述待分割目标图像的分割预测图；

根据所述分割预测图，提取所述待分割目标图像的预测边界；

可选的，所述将所述最高级特征图像输入给紧凑特征学习模型，得到紧凑特征图像包括：

根据所述最高级特征图像，预测各待分割类别的特征中心；

根据自适应的注意力机制，计算所述最高级特征图像中各像素的特征与各特征中心的相似度；

根据所述最高级特征图像中各像素的特征与各特征中心的相似度，对所述最高级特征图像进行重构，得到所述紧凑特征图像。

可选的，所述根据所述分割预测图，提取所述待分割目标图像的预测边界包括：

在所述待分割目标图像的分割预测图中提取边界像素，所述边界像素的预设邻域内所有像素的待分割类别的种类包括至少两种。

分别获取各像素预设邻域内边界像素的数量；

将各像素预设邻域内边界像素的数量作为对应像素的权重；

根据各像素的权重，计算各像素预设邻域的损失；

根据各像素预设邻域的损失，得到所述待分割目标图像的预测边界。