[发明专利]图像分割方法、装置、计算机设备和存储介质

说明书

本发明涉及一种图像分割方法、装置、计算机设备和存储介质。通过获取待分割的包括多个形态结构的图像，再将该图像输入至分割网络，得到至少一个分割任务的分割结果。每个分割任务用于将图像的多个形态结构分割为与分割任务对应数量的分区图像。其中，分割网络包括共享层和与共享层连接的至少一个任务特定层；共享层用于提取多个分割任务之间的共享特征；至少一个任务特定层用于提取至少一个分割任务相关的特征。上述的图像分割方法，相比于传统的直接对不同分割任务的图像进行分割的方法，充分利用了多个分割任务之间的信息共享，从而克服了因不同分割任务对应的样本不平衡导致训练的分割网络质量差的问题，进而提高了各分割任务的分割精度。

技术领域

本申请涉及医疗图像识别技术领域，尤其涉及一种图像分割方法、装置、计算机设备和存储介质。

背景技术

随着医疗图像识别技术的快速发展，对于磁共振成像图像(Magnetic ResonanceImaging,MRI)的量化分析已经被广泛应用于各种脑疾病的刻画描述中，如阿尔兹海默症、精神分裂症等，而脑MRI图像的分割是对大脑进行量化评估的前提，因此如何能够实现对脑MRI图像的精确分割成为了现下亟待解决的问题。

目前，由于脑结构非常复杂，因此在现有的脑MRI图像中存在多种大脑分区的标准，例如，自动解剖标签(Anatomical Automatic Labeling，AAL)模版共有116个分区，LPBA40模版有56个分区。在现有的利用分割网络对输入的脑图像进行分割时，通常会基于一种分区标准的分割任务实现对脑图像的分割，若基于多种分区标准的多种分割任务实现对脑图像分割时，通常采用独立的分割网络分别对各分区标准的分割任务进行处理，从而得到各分割任务的分割结果。

但是，在现有的执行对脑图像进行不同分区标准的分割任务时，普遍存在一个问题，即针对脑结构的分区样本，其中有的分区标准对应的样本比较多，对分割网络的学习相对比较容易，有的分区标准对应的样本很少，训练出来的分割网络的分割精度较低，所以不同大脑分割任务之间存在样本不均衡的问题，进而致使针对多种分割任务的分割精度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高分割精度，特别是基于多种分割任务的分割精度的图像分割方法、装置、计算机设备和存储介质。

第一方面，一种图像分割方法，所述方法包括：

获取待分割的图像；图像包括多个形态结构；

将图像输入至分割网络，得到至少一个分割任务的分割结果，每一个分割任务用于将图像的多个形态结构分割为与分割任务对应数量的分区图像，其中，分割网络包括共享层和与共享层连接的至少一个任务特定层；共享层用于提取多个分割任务之间的共享特征；至少一个任务特定层用于提取至少一个分割任务相关的特征，从而获得基于至少一个分割任务的分割结果。

在其中一个实施例中，分割网络的训练过程，包括：

获取不同分割任务对应的样本数据集；样本数据集包括不同分割任务对应的标注图像；

将不同分割任务对应的样本数据集输入至待训练的分割网络，分别得到各分割任务对应的分割结果，并根据各分割任务对应的分割结果和各分割任务对应的标注图像，得到系统损失函数的值；

根据系统损失函数的值对待训练的分割网络进行训练，直到统损失函数的值满足预设条件为止，得到分割网络。

在其中一个实施例中，若不同分割任务对应的样本数据集中包括的各分割任务对应的样本数据集不相同，则将不同分割任务对应的样本数据集输入至待训练的分割网络，分别得到各分割任务对应的分割结果，并根据各分割任务对应的分割结果和各分割任务对应的标注图像，得到系统损失函数的值，包括：

获取各分割任务对应的样本数据集；