[发明专利]医学图像分割方法和装置、电子设备及存储介质

说明书

本发明提供一种医学图像分割方法和装置、电子设备及存储介质，其中所述方法包括：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。本发明将提取的特征以不同权重进行融合，并随着网络不断迭代更新模态权重值；以原始各模态图像为基础进行加权融合，更能有效利用各模态的特征信息，不至于一些不明显的特征直接被中和掉而不能被充分利用；且能够同时融合多个模态的特征，不限制模态数量，对于后续模态的拓展有更好的延展性。因此本发明能够有效融合多模态图像信息，提高分割准确率。

技术领域

本发明涉及图像处理领域，尤其涉及一种医学图像分割方法和装置、电子设备及存储介质。

背景技术

医学图像分割是医学图像处理与分析领域的基础，其目的是将医学图像中具有某些特殊含义的区域划分出来，提取区域内的特征为临床诊疗和病理学研究提供可靠的依据，辅助医生作更为准确的诊断。对于医学图像而言，仅使用单一模态可能会导致误判或者漏检。充分利用医学图像的不同模态之间的互补信息，可以大大提高分割的检出率和分割精度。

现有基于多模态的医学图像分割方法中，像素级融合多模态信息，会导致部分信息在最初的特征提取阶段就未被很好的利用；在网络的最后一层进行融合，仅在最后一次融合会有不能充分融合的可能。但现有加权特征融合的方案中，多是在融合多模态特征后进行加权，而未能从原始多模态图像层面考虑到各模态图像分别对分割结果的影响。

发明内容

本发明提供一种医学图像分割方法和装置、电子设备及存储介质，用以解决现有技术中存在的技术缺陷。

本发明提供一种医学图像分割方法，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。

根据本发明所述的医学图像分割方法，其中，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。

根据本发明所述的医学图像分割方法，其中，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。

根据本发明所述的医学图像分割方法，其中，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。