[发明专利]一种内窥镜荧光图像的分割方法、装置及存储介质

权利要求书

1.一种内窥镜荧光图像的分割方法，其特征在于，包括：

获取卷积神经网络，所述卷积神经网络是通过将采集到的荧光图像，随机选取其中的一部分图像作为训练集，在选取的图像中，分割出感兴趣的目标图像并添加标签，将所述训练集中以超过设定阈值的像素点为中心的图像块及其标签输入到神经网络中进行训练得到的；

获取待处理的内窥镜荧光图像，将所述待处理的内窥镜荧光图像输入到所述卷积神经网络中，得到图像分割结果；

其中，所述卷积神经网络是通过将采集到的荧光图像，随机选取其中的一部分图像作为训练集，在选取的图像中，分割出感兴趣的目标图像并添加标签，将所述训练集中以超过设定阈值的像素点为中心的图像块及其标签输入到神经网络中进行训练得到的，包括：

采集一系列荧光图像，随机选取所述荧光图像中的其中一部分图像作为训练集，在每张训练集的图像中，随机选取子图像；

分割出所述子图像中的感兴趣的图像作为目标图像，并给分割出的目标图像和背景图像添加标签；

从分割出的所述背景图像中，随机选取一些像素值，将其中像素值的最大值设为图像分割的设定阈值；

将所述训练集中以超过所述设定阈值的像素点为中心的图像块及其标签值输入到神经网络中进行训练，得到所述卷积神经网络。

2.根据权利要求1所述的内窥镜荧光图像的分割方法，其特征在于，所述训练得到的卷积神经网络通过最小化交叉熵损失使分类结果正确的概率达到最大，其中损失函数的定义为：

其中，N表示输入所述卷积神经网络的训练像素的编号，y_n表示实际标签值，包括0和1，表示所述卷积神经网络的输出。

3.根据权利要求1至2任一项所述的内窥镜荧光图像的分割方法，其特征在于，获取的卷积神经网络包括卷积层、最大池化层以及全连接层；

在所述卷积层，将输入的所述待处理的内窥镜荧光图像经卷积运算变成为输出特征图；

在所述最大池化层，在所述输出特征图中选取特征子集；

在所述全连接层，获取所述特征子集之间的相互关系，得到每一特征子集属于目标图像或者背景图像的概率值。