[发明专利]影像分割方法、装置、可读存储介质及电子设备有效
申请号: | 201911146163.X | 申请日: | 2019-11-21 |
公开(公告)号: | CN110853043B | 公开(公告)日: | 2020-09-29 |
发明(设计)人: | 陈伟导;孙岩峰;陈宽;王少康 | 申请(专利权)人: | 北京推想科技有限公司 |
主分类号: | G06T7/10 | 分类号: | G06T7/10;G06T7/174;G06T7/38 |
代理公司: | 北京布瑞知识产权代理有限公司 11505 | 代理人: | 秦卫中 |
地址: | 100085 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 影像 分割 方法 装置 可读 存储 介质 电子设备 | ||
1.一种影像分割方法,其特征在于,包括:
获取待分割影像和影像分割模板,其中,所述影像分割模板包括样本影像和所述样本影像的多个影像分区的样本分割标签;
将所述待分割影像和所述影像分割模板输入特征金字塔卷积神经网络,利用所述特征金字塔卷积神经网络将所述待分割影像与所述样本影像在多个尺度上进行配准,得到多尺度空间变换矩阵参数;
根据所述多尺度空间变换矩阵参数,对所述样本分割标签进行空间转换,得到所述待分割影像的所述多个影像分区的分割标签,
其中,所述利用特征金字塔卷积神经网络将所述待分割影像与所述样本影像在多个尺度上进行配准,得到所述多尺度空间变换矩阵参数,包括:
通过特征金字塔卷积神经网络将所述待分割影像与所述样本影像在多个尺度上进行配准,分别获取不同尺度的多个第一空间变换矩阵参数;
根据所述多个第一空间变换矩阵参数,得到所述多尺度空间变换矩阵参数,
其中,所述通过特征金字塔卷积神经网络将所述待分割影像与所述样本影像在多个尺度上进行配准,分别获取不同尺度的多个第一空间变换矩阵参数,包括:
通过所述特征金字塔卷积神经网络提取所述待分割影像的不同尺度的多个影像特征,对所述多个影像特征进行压缩和融合,得到不同尺度的多个初始空间变换矩阵参数;
对所述待分割影像进行重采样,得到不同尺度的多个第一影像,其中,所述多个第一影像的尺度与所述多个初始空间变换矩阵参数的尺度一一对应;
根据所述多个初始空间变换矩阵参数,对所述多个第一影像进行空间变换,得到不同尺度的多个第二影像;
根据所述多个第二影像与所述样本影像的不同尺度的多个第三影像的相似性损失值,调整所述多个初始空间变换矩阵参数,得到所述多个第一空间变换矩阵参数,其中,所述多个第三影像通过对所述样本影像重采样得到,所述多个第二影像的尺度与所述多个第三影像的尺度一一对应。
2.根据权利要求1所述的影像分割方法,其特征在于,所述根据所述多个第二影像与所述样本影像的不同尺度的多个第三影像的相似性损失值,调整所述多个初始空间变换矩阵参数,得到所述多个第一空间变换矩阵参数,包括:
获取所述多个第二影像与所述多个第三影像对应的不同尺度的多个第一相似性损失值;
根据所述多个第一相似性损失值,得到总相似性损失值;
根据所述总相似性损失值,调整所述多个初始空间变换矩阵参数,得到所述多个第一空间变换矩阵参数。
3.根据权利要求2所述的影像分割方法,其特征在于,所述根据所述多个第一相似性损失值,得到总相似性损失值,包括:
将所述多个第一相似性损失值加权相加,得到所述总相似性损失值。
4.根据权利要求1所述的影像分割方法,其特征在于,所述根据所述多个第一空间变换矩阵参数,得到所述多尺度空间变换矩阵参数,包括:
将所述多个第一空间变换矩阵参数进行上采样,得到多个第二空间变换矩阵参数,其中,所述多个第二空间变换矩阵参数的尺度与所述待分割影像的原始尺度相同;
将所述多个第二空间变换矩阵参数加和,得到所述多尺度空间变换矩阵参数。
5.根据权利要求1至4中任一项所述的影像分割方法,其特征在于,所述多个影像分区为全脑的多个脑供血区,其中,所述多个脑供血区为28个与脑梗死相关的脑供血区。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京推想科技有限公司,未经北京推想科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911146163.X/1.html,转载请声明来源钻瓜专利网。