[发明专利]图像分割方法、装置、设备及存储介质

说明书

本发明提供一种图像分割方法、装置、设备及存储介质，包括：获取待分割三维图像；对待分割三维图像进行脉冲编码处理，得到脉冲序列；将脉冲序列输入至图像分割脉冲模型，得到图像分割脉冲模型输出的图像分割结果；图像分割脉冲模型是基于原始三维图像经脉冲编码形成的脉冲序列样本以及原始三维图像的图像分割标签进行多尺度特征融合训练获得。本发明通过利用脉冲模型对待分割三维图像的脉冲序列进行分割预测，由于脉冲模型中的神经元在接收或发出尖峰信号时才处于活跃状态，能够减少深度学习神经网络的耗时，且基于多尺度特征融合训练得到的图像分割脉冲模型，能够精准分割不同尺度特征图中的小型目标，从而提高三维图像分割的效率和精确度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分割方法、装置、设备及存储介质。

背景技术

医学图像中的三维体积图像分割主要用于分割三维图像中的器官、肿瘤、血管等区域，从而对于病情诊断、监测和指定对应的治疗计划有着极大的帮助。

当前，医学图像中的三维体积图像分割主要通过人工分割和基于CNN深度学习网络模型进行图像分割，然而，人工分割过程繁琐，耗时耗力，且容易混入人为分割误差，导致图像分割准确性较低，另外地，由于深度学习网络网络的冗余性，导致通过CNN深度学习网络模型对三维图像进行语义分割的效率较低。

发明内容

本发明提供一种图像分割方法、装置、设备及存储介质，旨在解决三维图像分割的效率以及准确性较低的技术问题。

本发明提供一种图像分割方法，包括：

获取待分割三维图像；

对所述待分割三维图像进行脉冲编码处理，得到脉冲序列；

将所述脉冲序列输入至图像分割脉冲模型，得到所述图像分割脉冲模型输出的图像分割结果；

其中，所述图像分割脉冲模型是基于原始三维图像经脉冲编码形成的脉冲序列样本以及所述原始三维图像的图像分割标签，进行多尺度特征融合训练获得。

可选地，根据本发明提供的一种图像分割方法，所述图像分割脉冲模型包括编码模块、解码模块和分割输出模块，其中：

所述编码模块包括若干个级联的编码单元；除最后一个编码单元外的每个编码单元均包括第一脉冲卷积层和脉冲下采样层，所述最后一个编码单元包括第一脉冲卷积层；

所述解码模块包括若干个级联的解码单元，每一个解码单元均包括脉冲上采样层、多尺度特征融合层、特征连接层和第二脉冲卷积层；

最后一个解码单元的输出作为所述分割输出模块的输入。

可选地，根据本发明提供的一种图像分割方法，所述将所述脉冲序列输入至图像分割脉冲模型，得到所述图像分割脉冲模型输出的图像分割结果，包括：

将所述脉冲序列输入至所述第一个编码单元中的第一脉冲卷积层，得到第一脉冲卷积层输出的编码特征图；

通过第一个编码单元中的脉冲下采样层对所述编码特征图进行下采样处理，得到所述下采样特征图，并将所述下采样特征图作为下一个编码单元的输入，直至得到最后一个编码单元中第一脉冲卷积层输出的编码特征图；

通过第一个解码单元中的多尺度特征融合层对所述最后一个编码单元输出的编码特征图和与所述第一个解码单元处于相同深度层级的编码单元输出的编码特征图进行融合处理，得到第一融合特征图；

通过所述第一个解码单元中的脉冲上采样层对所述最后一个编码单元输出的编码特征图进行上采样处理，得到第一上采样特征图；

通过所述第一个解码单元中的特征连接层将所述第一融合特征图和所述第一上采样特征图进行特征拼接，得到第一拼接特征图；