[发明专利]用于肺结节分割的图像处理方法及装置

权利要求书

1.一种用于肺结节分割的图像处理方法，其特征在于，包括：

输入单分割网络和肺结节图像用以训练预设分割网络模型；

将所述单分割网络嵌入到递归神经网络中迭代并分割得到多个单分割网络；

根据注意力机制模型将注意力层与所述肺结节图像融合，并输入到下一个单分割网络；以及

在训练所述预设分割网络模型过程中，使用dice相似性系数和递归排序损失函数定义损失函数；

采用dice相似性系数和递归排序损失函数交替训练整个分割网络模型。

2.根据权利要求1所述的图像处理方法，其特征在于，根据注意力机制模型将注意力层与所述肺结节图像融合，并输入到下一个单分割网络包括：

获得注意力机制模型产生的注意力图像在相关感兴趣区域上的权重；

根据权重确定注意力层；

将注意力层与原始输入图像融合，结果输入到下一个单分割网络。

3.根据权利要求1所述的图像处理方法，其特征在于，在训练所述预设分割网络模型过程中如果未收敛或迭代未达到最大值，则继续训练。

4.根据权利要求1所述的图像处理方法，其特征在于，还包括：采用Adam优化所述预设分割网络模型。

5.一种用于肺结节分割的图像处理装置，其特征在于，

输入模块，用于输入单分割网络和肺结节图像用以训练预设分割网络模型；

迭代分割模块，用于将所述单分割网络嵌入到递归神经网络中迭代并分割得到多个单分割网络；

融合模块，用于根据注意力机制模型将注意力层与所述肺结节图像融合，并输入到下一个单分割网络；以及

还包括：损失函数模块用于，在训练所述预设分割网络模型过程中，使用dice相似性系数和递归排序损失函数定义损失函数；

以及，

训练模块，采用dice相似性系数和递归排序损失函数交替训练整个分割网络模型。

6.根据权利要求5所述的图像处理装置，其特征在于，所述融合模块包括：

获取单元，用于获得注意力机制模型产生的注意力图像在相关感兴趣区域上的权重；

确定单元，用于根据权重确定注意力层；

融合单元，用于将注意力层与原始输入图像融合，结果输入到下一个单分割网络。

7.根据权利要求5所述的图像处理装置，其特征在于，所述损失函数模块还用于在训练所述预设分割网络模型过程中如果未收敛或迭代未达到最大值，则继续训练。

8.根据权利要求5所述的图像处理装置，其特征在于，还包括：优化模块，用于采用Adam优化所述预设分割网络模型。