[发明专利]图片区域分割方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能，揭露一种图片区域分割方法，包括：利用对第一初始图片集进行噪声添加得到的第一训练图片集训练得到图片降噪模型；利用对第一初始图片集进行分辨率降低得到的第二训练图片集训练得到高分辨率模型；利用第二初始图片集训练得到图片分割模型；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。本发明还涉及区块链，所述待分割图片可以存储在区块链节点中。本发明还提出一种图片区域分割装置、电子设备以及一种计算机可读存储介质。本发明可以应用于胸部CT图片中胸腔积液区域的分割。本发明可以提高图片分割的准确度。

技术领域

本发明涉及人工智能领域，尤其涉及一种图片区域分割方法、装置、电子设备及存储介质。

背景技术

随着人工智能的发展，图片区域分割模型的应用越来越广泛，不仅应用到了日常生活中，还应用到了数字医疗中，极大的辅助了医生的诊断和治疗，例如：利用图片分割模型对胸部CT图片中胸腔积液区域进行分割，辅助医生进行诊疗。

但是目前一些图片的质量较差，导致图片区域分割模型对图片进行分割的准确度较低，难以满足临床高精度需要。

发明内容

本发明提供一种图片区域分割方法、装置、电子设备及存储介质，其主要目的在于提高图片区域分割的准确度。

为实现上述目的，本发明提供的一种图片区域分割方法，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；

利用所述第一训练图片集对预构建的第一生成对抗网络模型进行训练，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，利用所述第二初始图片集对预构建的深度学习模型进行训练，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处理，得到分割结果。

可选地，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；

从所述初始噪声图片集中获取与所述第一初始图片集中的每张图片对应的噪声图片；

将所述初始图片集中的每张图片与对应的噪声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。

可选地，所述利用所述第一训练图片集对预构建的第一生成对抗网络模型进行训练，得到图片降噪模型，包括：

构建第一损失函数；

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，得到所述图片降噪模型。

可选地，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。