[发明专利]医学图像分割方法和装置、电子设备及存储介质

权利要求书

1.一种医学图像分割方法，其特征在于，包括：

对医学图像进行预处理，得到多模态图像；

将所述多模态图像输入至分割网络模型，输出多模态融合的分割结果；

其中，所述分割网络模型是基于多模态图像样本数据以及预先确定的分割结果标签进行训练得到的。

2.根据权利要求1所述的医学图像分割方法，其特征在于，所述对医学图像进行预处理，得到多模态图像，包括：

对所述医学图像进行尺寸归一化处理，得到归一化后的图像；

对所述归一化后的图像以多模态图像为单位进行数据扩增，得到多模态图像，所述数据扩增包括以下操作至少其二：镜像变换、弹性变形、旋转以及缩放。

3.根据权利要求1所述的医学图像分割方法，其特征在于，所述将所述多模态图像输入至分割网络模型，输出多模态融合的分割结果，包括：

在首次训练分割网络模型时，将所述各模态图像输入至分割准确度模型，得到各模态图像分割的准确度；

将所述多模态图像输入至分割网络模型的编码子模型，得到各模态特征；

将各模态图像的初始权重值以及所述各模态特征输入至分割网络模型的解码子模型，输出多模态融合的分割结果；

其中，所述各模态图像的初始权重值是基于所述各模态图像分割的准确度得到的。

4.根据权利要求3所述的医学图像分割方法，其特征在于，所述将所述多模态图像输入至分割网络模型，输出多模态融合的分割结果，包括：

在非首次训练分割网络模型时，将所述多模态图像输入至分割网络模型的编码子模型，得到各模态特征；

将所述各模态图像的模态权重值以及所述各模态特征输入至分割网络模型的解码子模型，输出多模态融合的分割结果；

其中，所述各模态图像的模态权重值是基于所述各模态特征、所述分割网络模型训练的损失函数在所述分割网络模型训练的训练过程中迭代更新得到的。

5.根据权利要求4所述的医学图像分割方法，其特征在于，所述分割网络模型训练的损失函数为：

其中，L表示损失函数，X表示预先确定的分割结果标签，Y表示训练过程中预测的分割结果，∩表示交集的符号，||表示绝对值符号。

6.根据权利要求5所述的医学图像分割方法，其特征在于，所述各模态图像的模态权重值通过以下方式得到：

其中，i为分割网络模型的层数，S_m(i)为第i层m模态图像特征，Q_m(i)为第m模态图像第i层的权重值。

7.一种医学图像分割装置，其特征在于，包括：

预处理模块，用于对医学图像进行预处理，得到多模态图像；

图像分割模块，用于将所述多模态图像输入至分割网络模型，输出多模态融合的分割结果；

其中，所述分割网络模型是基于多模态图像样本数据以及预先确定的分割结果标签进行训练得到的。

8.根据权利要求7所述的医学图像分割装置，其特征在于，所述医学图像分割装置包括：

归一化单元，用于对所述医学图像进行尺寸归一化处理，得到归一化后的图像；

数据扩增单元，用于对所述归一化后的图像以多模态图像为单位进行数据扩增，得到多模态图像，所述数据扩增包括以下操作至少其二：镜像变换、弹性变形、旋转以及缩放。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的医学图像分割方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的医学图像分割方法的步骤。