[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

说明书

本公开提供了一种医学影像的分割方法、装置、存储介质及电子设备，该方法包括：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；确定M个第一特征向量，并基于M个第一特征向量和第N维度的M个第二类特征向量矩阵确定M个相似度矩阵；输出M个前向特征图矩阵以及M个后向特征图矩阵；将M个前向特征图矩阵以及M个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个查询图对应的分割图。本公开将支持图和查询图同时输入编码器进行特征提取，并利用相似性特征提升分割预测效果，进一步结合记忆模块以学习相邻图像之间的相似性特征，增强相邻图像之间的信息交互能力，进而实现对医学影像的准确分割。

技术领域

本公开涉及医学图像处理技术领域，特别涉及一种医学影像的分割方法、装置、存储介质及电子设备。

背景技术

随着计算机视觉技术的发展，计算机视觉技术被用来辅助完成基于医学影像的病灶定位(即，对于医学影像的语义分割)，以减轻医生的工作负担和提高效率。对于医学影像的语义分割通常采用基于深度学习的语义分割方法。

通常，深度学习需要大量标注数据，而医疗行业因为数据的敏感性较高，所以标注数据量非常有限。因此，如何在标注数据量较少的条件下，准确地对医学影像进行语义分割是亟需解决的问题。

发明内容

本公开实施例的目的在于提供一种医学影像的分割方法、装置、存储介质及电子设备，用以解决现有技术中如何在标注数据量较少的条件下，准确地对医学影像进行语义分割的问题。

本公开的实施例采用如下技术方案：一种医学影像的分割方法，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。

本公开还提供了一种医学影像的分割装置，包括：编码模块，所述编码模块用于对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；度量模块，所述度量模块用于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；记忆模块，所述记忆模块用于对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；解码模块，所述解码模块用于将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。

本公开还提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的医学影像的分割方法的步骤。

本公开还提供了一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述的医学影像的分割方法的步骤。

本公开实施例的有益效果在于：将支持图和查询图同时输入编码器进行特征提取，并利用相似性特征提升分割预测效果，进一步结合记忆模块以学习相邻图像之间的相似性特征，增强相邻图像之间的信息交互能力，进而实现对医学影像的准确分割。

附图说明