[发明专利]三维图像的语义分割方法、装置、设备及存储介质

说明书

本申请公开了一种三维图像的语义分割方法、装置、设备及存储介质，属于深度学习领域。所述方法包括：获取三维图像；将三维图像按照三维坐标轴所在的三个方向面进行切片，得到x轴的二维切片图像、y轴的二维切片图像和z轴的二维切片图像；调用第一分割模型、第二分割模型、第三分割模型对x轴、y轴、z轴的二维切片图像进行语义分割，得到目标对象在三个方向面上的分布概率图；调用自适应融合模型对x轴方向面、y轴方向面和z轴方向面各自对应的三个分布概率图进行三维融合，得到目标对象的三维分布二值图。本申请解决了相关技术中的Pspnet网络模型仅适用于2D自然图像的语义分割，不支持对3D医学图像进行语义分割的问题。

技术领域

本申请涉及深度学习领域，特别涉及一种三维图像的语义分割方法、装置、设备及存储介质。

背景技术

医学图像中，人体器官/组织的外形或体积变化对临床诊断有着重要的启示作用。采用深度学习模型对医学图像进行语义分割，能够得到医学图像中的人体器官/组织所在的图像区域。

相关技术中采用场景解析网络(Pyramid Scene Parsing Network，Pspnet)对二维医学图像进行语义分割。Pspnet是一种基于深度学习的语义分割技术。Pspnet采用多种不同尺寸的卷积核，多尺度采集特征图(feature map)，最后将输出的特征图插值放大，得到语义分割结果。

但Pspnet是二维自然图像的语义分割技术，并不支持对三维医学图像进行语义分割。

发明内容

本申请实施例提供了一种三维图像的语义分割方法、装置、设备及存储介质，通过对医学图像先进行二维的语义分割再进行三维的自适应融合，能够解决相关技术中不支持对3D医学图像进行语义分割的问题。所述技术方案如下：

根据本公开实施例的一方面，提供了一种三维图像的语义分割方法，所述方法包括：

获取所述三维图像；

将所述三维图像按照三维坐标轴所在的三个方向面进行切片，得到x轴的二维切片图像、y轴的二维切片图像和z轴的二维切片图像；

调用第一分割模型对所述x轴的二维切片图像进行语义分割，得到目标对象在x轴方向面的分布概率图；

调用第二分割模型将所述y轴的二维切片图像进行语义分割，得到所述目标对象在y轴方向面的分布概率图；

调用第三分割模型将所述z轴的二维切片图像进行语义分割，得到所述目标对象在z轴方向面的分布概率图；

调用自适应融合模型对所述x轴方向面、所述y轴方向面和所述z轴方向面各自对应的三个分布概率图进行三维融合，得到所述目标对象的三维分布二值图。

可选地，所述第一分割模型、所述第二分割模型和所述第三分割模型中的至少一个模型包括：深度网络编码部和跳跃传递解码部，所述深度网络编码部包括n层卷积层，所述跳跃传递解码部包括m层反卷积层，n和m均为正整数；

所述深度网络编码部，用于通过所述n层卷积层对所述二维切片图像进行降采样特征提取，得到降采样后的第一中间特征图；

所述跳跃传递解码部，用于通过所述m层反卷积层对所述第一中间特征图和第二中间特征图进行升采样处理，得到升采样后的所述分布概率图；

其中，所述第二中间特征图包括所述n层卷积层中的第i层卷积层输出的特征图，i为小于或等于n的整数。

可选地，调用所述自适应融合模型将所述x轴方向面、所述y轴方向面和所述z轴方向面各自对应的三个分布概率图进行组合，得到三维分布特征图；

对所述三维分布特征图进行三维融合卷积，得到三维分割概率图；