[发明专利]图片区域分割方法、装置、电子设备及存储介质

权利要求书

1.一种图片区域分割方法，其特征在于，所述方法包括：

获取第一初始图片集，对所述第一初始图片集进行噪声添加处理，得到第一训练图片集；

构建第一损失函数，所述第一损失函数为：

其中，所述为所述第一损失函数的损失值，为预构建的对抗损失函数，为预构建的L1范式目标损失函数，为预设损失系数，为降噪图片集中每组图片中的无噪声图片，为所述降噪图片集中每组图片中的噪声图片，表示预设的随机参数变量，为第一生成对抗网络模型中的生成器，为所述第一生成对抗网络模型中的鉴别器，为所述第一训练图片集的概率分布，为期望值计算函数；

基于所述第一损失函数，利用所述第一训练图片集对所述第一生成对抗网络模型进行生成器与鉴别器的交替迭代训练；

当所述第一损失函数的值达到第一预设阈值时，停止训练，得到图片降噪模型；

对所述第一初始图片集进行分辨率降低处理，得到第二训练图片集；

利用所述第二训练图片集对预构建的第二生成对抗网络模型进行训练，得到高分辨率模型；

获取第二初始图片集，对所述第二初始图片集中的图片进行水平随机翻转、随机旋转及边缘裁剪处理，得到标准训练图片集；

构建第三损失函数，基于所述第三损失函数以及所述标准训练图片集对深度学习模型进行迭代训练，所述第三损失函数如下：

其中，为所述第三损失函数，表示所述标准训练图片集中图片的数量；T表示所述标准训练图片集中每张图片的总像素值，表示所述标准训练图片集中第张图片的第j个像素的预测值，表示所述标准训练图片集中第张图像的第j个像素的分割金标准值；

当所述第三损失函数的值达到第三预设阈值时，停止训练，得到图片分割模型；

当接收到待分割图片时，根据所述图片降噪模型、所述高分辨率模型及所述图片分割模型对所述待分割图片进行分割处理，得到分割结果。

2.如权利要求1所述的图片区域分割方法，其特征在于，所述对所述第一初始图片集进行噪声添加处理，得到第一训练图片集，包括：

对所述第一初始图片集中的每张图片添加预设强度范围的图片噪声，得到初始噪声图片集；

将所述第一初始图片集中的图片与初始噪声图片集中对应的图片构建为一个图片组；

整合所有构建的图片组，得到所述第一训练图片集。

3.如权利要求1所述的图片区域分割方法，其特征在于，所述对所述第一初始图片集进行分辨率降低处理，得到第二训练图片集，包括：

对所述第一初始图片集中的每张图片进行分辨率降低处理，得到初始低分辨率图片集；

将所述第一初始图片集中的图片与初始低分辨率图片集中对应的图片构建为一个图片组；

整合所有构建的图片组，得到所述第二训练图片集。

4.如权利要求3所述的图片区域分割方法，其特征在于，所述对所述第一初始图片集中的每张图片进行分辨率降低处理，得到初始低分辨率图片集，包括：

对所述第一初始图片集中的每张图片进行下采样处理，得到下采样图片集；

对所述下采样图片集中的每张图片进行高斯平滑处理，得到标准下采样图片集；

将所述标准下采样图片集中的每张图片上采样为预设大小的图片，得到所述初始低分辨率图片集。

5.如权利要求1所述的图片区域分割方法，其特征在于，所述待分割图片为待分割胸腔积液区域的胸部CT图片。