[发明专利]一种医学影像的分割方法、装置、存储介质及电子设备

权利要求书

1.一种医学影像的分割方法，其特征在于，包括：

通过编码器对M个支持图和M个查询图分别进行N个维度下的特征提取，以得到每个所述支持图在N个维度下的第一类特征向量矩阵，以及每个所述查询图在N个维度下的第二类特征向量矩阵，M个所述查询图为连续的M个待处理医学图像；

通过度量网络基于每个所述支持图对应的标记图以及每个所述支持图在第N维度的所述第一类特征向量矩阵确定M个第一特征向量，并基于M个所述第一特征向量和第N维度的M个所述第二类特征向量矩阵确定M个相似度矩阵；

通过记忆网络对M个所述相似度矩阵进行学习，并输出M个前向特征图矩阵以及M个后向特征图矩阵；

通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别拼接后进行N个维度下的上采样处理，以得到M个所述查询图对应的分割图。

2.根据权利要求1所述的分割方法，其特征在于，M为3至9之间的整数。

3.根据权利要求1所述的分割方法，其特征在于，所述记忆网络至少包括双向长短期记忆网络。

4.根据权利要求1所述的分割方法，其特征在于，通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别拼接后进行N个维度下的上采样处理，包括：

通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别进行拼接以得到M个拼接矩阵；

将M个所述查询图在N个维度下的第二类特征向量矩阵与M个拼接矩阵分别拼接后进行N个维度下的上采样处理，以得到M个第一维度的特征图；

对M个第一维度的特征图进行分割处理以得到M个所述查询图对应的分割图。

5.根据权利要求1所述的分割方法，其特征在于，还包括：

通过M个支持图和M个样本图对所述编码器、所述度量网络、所述记忆网络以及所述解码器进行训练。

6.根据权利要求5所述的分割方法，其特征在于，通过M个支持图和M个样本图对所述编码器、所述度量网络、所述记忆网络以及所述解码器进行训练，包括：

通过编码器对M个支持图和M个样本图分别进行N个维度下的特征提取，以得到每个所述支持图在N个维度下的第一类特征向量矩阵，以及每个所述样本图在N个维度下的第三类特征向量矩阵，M个所述样本图为连续的医学图像；

通过度量网络基于每个所述支持图对应的标记图以及每个所述支持图在第N维度的所述第一类特征向量矩阵确定M个第一特征向量，并基于M个所述第一特征向量和第N维度的M个所述第三类特征向量矩阵确定M个相似度矩阵；

通过记忆网络对M个所述相似度矩阵进行学习，并输出M个前向特征图矩阵以及M个后向特征图矩阵；

通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别拼接后进行N个维度下的上采样处理，以得到M个所述样本图对应的分割图；

根据M个所述样本图对应的分割图与M个所述样本图对应的标记图进确定损失函数，并基于所述损失函数对所述编码器、所述度量网络、所述记忆网络以及所述解码器的参数进行调整。

7.根据权利要求6所述的分割方法，其特征在于，基于所述损失函数对所述编码器、所述度量网络、所述记忆网络以及所述解码器的参数进行调整之后，还包括：

根据优化后的所述编码器、所述度量网络、所述记忆网络以及所述解码模块重新确定所述损失函数，直至所述损失函数的值最小。