[发明专利]对图像中的对象进行分割的方法及系统

说明书

本公开提供了一种对图像中的对象进行分割的方法，包括：获取第一图像中所包含的N类对象所对应的第一标注数据；确定N类对象中每类对象的纠错码，得到N个纠错码；根据N个纠错码，将与N类对象所对应的第一标注数据转化为第二标注数据；以及基于第二标注数据训练M个分割模型，其中，M个分割模型用于分割第二图像中所包含的对象，M≤N，且N和M为整数。本公开还提供了一种对图像中的对象进行分割的系统。

技术领域

本公开涉及一种对图像中的对象进行分割的方法及系统。

背景技术

图像分割技术是一种将图像分成若干个特定的具有独特性质的区域的技术。在不同的应用领域，例如可以是医学影像分析领域，交通图像分析领域，军事研究领域等，其处理的图像内容越来越复杂，采用的图像分割方法的准确度要求也越来越高。

随着人工智能技术的快速发展，通过机器学习的方法使得电子设备能够不断的改善自身的性能。具体地，例如，在医学影像分析领域，通常需要对CT(Computed Tomography，简称为CT)图像中的生物器官进行分割，通过人工智能的方法，利用机器学习中的深度学习技术，训练出相应的分割模型，分割出多个器官，如腹部CT图像中，分割出肝，脾，胰腺等。

然而，在实现本公开的过程中，发明人发现相关技术中至少存在以下缺陷：图像分割，尤其是采用基于投票机制进行简单融合的多分割模型的图像分割，其准确度较低。

发明内容

本公开的一个方面提供了一种对图像中的对象进行分割的方法，包括获取第一图像中所包含的N类对象所对应的第一标注数据；确定上述N类对象中每类对象的纠错码，得到N个纠错码；根据上述N个纠错码，将与上述N类对象所对应的上述第一标注数据转化为第二标注数据；以及基于上述第二标注数据训练M个分割模型，其中，上述M个分割模型用于分割第二图像中所包含的对象，M≤N，且N和M为整数。

可选地，上述N个纠错码中的每个具有M个纠错位，根据上述N个纠错码，将与上述N类对象所对应的上述第一标注数据转化为第二标注数据包括：基于具有M个纠错位的上述N个纠错码生成一个N行M列的编码矩阵；以及根据上述编码矩阵中的M列信息，对上述第一图像中所包含的N类对象进行分类，以实现将与上述N类对象所对应的第一标注数据转化为上述第二标注数据。

可选地，上述方法还包括依次通过上述M个分割模型对与上述第二图像中所包含的对象对应的像素点进行二值化处理，得到对应像素点的二值化数据；以及通过预定算法将上述二值化数据与上述第二图像中所包含的对象的纠错码进行比较，以确定上述第二图像中所包含的对象的类别。

可选地，上述M个分割模型中至少包括第一类别分割模型和第二类别分割模型，上述N类对象中至少包括第一类别对象和第二类别对象，上述方法还包括通过上述第一类别分割模型对上述第一类别对象进行分割；和/或通过上述第二类别分割模型对上述第二类别对象进行分割。

可选地，基于上述第二标注数据训练M个分割模型包括采用机器学习方法基于上述第二标注数据训练上述M个分割模型。

可选地，上述N类对象包括N类生物器官。

本公开的另一方面提供了一种对图像中的对象进行分割的系统，包括获取模块、确定模块、转换模块和训练模块。获取模块用于获取第一图像中所包含的N类对象所对应的第一标注数据；确定模块用于确定上述N类对象中每类对象的纠错码，得到N个纠错码；转换模块用于根据上述N个纠错码，将与上述N类对象所对应的上述第一标注数据转化为第二标注数据；以及训练模块用于基于上述第二标注数据训练M个分割模型，其中，上述M个分割模型用于分割第二图像中所包含的对象，M≤N，且N和M为整数。