[发明专利]一种图像分割方法、装置、电子设备及存储介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

确定待分割原图像；

将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；

其中，所述图像分割模型基于样本数据对图像分割网络进行预先训练得到，所述图像分割网络包括：至少两个级联的卷积神经网络模块，每个卷积神经网络模块包括至少两个特征提取单元；

每个卷积神经网络模块均配置有损失函数，在训练时，当前卷积神经网络模块配置的损失函数用于对当前卷积神经网络模块输出的中间分割结果进行监督；具体是，计算所述中间分割结果与预先标注的金标准之间的相似度；

当前卷积神经网络模块输出的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第一输入特征层；

当前卷积神经网络模块最后一次上采样得到的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第二输入特征层；

当前卷积神经网络模块中第一个特征提取单元输出的特征层作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的第三输入特征层；

所述第一输入特征层、第二输入特征层以及第三输入特征层堆叠成整体作为与当前卷积神经网络模块级联的下一个卷积神经网络模块的输入；

所述方法还包括：

对所述目标区域图像进行后处理，得到对所述目标区域图像进行标记的原图像；

其中，对所述目标区域图像进行后处理，包括：

对图像分割模型中最后一个卷积神经网络模块输出的特征层、所述最后一个卷积神经网络模块中第一个特征提取单元输出的特征层以及最后一个卷积神经网络模块最后一次上采样得到的特征层进行卷积运算，得到所述对所述目标区域图像进行标记的原图像。

2.根据权利要求1所述的方法，其特征在于，所述待分割原图像包括：脑部磁共振扩散加权DWI图像；

对应的，所述样本数据包括标注好脑缺血区域的DWI图像数据。

3.根据权利要求1或2所述的方法，其特征在于，将所述待分割原图像输入至图像分割模型之前，还包括：

对所述待分割原图像进行预处理；

其中，所述预处理包括下述至少一种：归一化、去噪或者细节增强。

4.根据权利要求1或2所述的方法，其特征在于，所述卷积神经网络模块包括：Dense U-net或者Resnet；

对应的，所述特征提取单元包括Dense Block或者residual block。

5.根据权利要求1或2所述的方法，其特征在于，当前卷积神经网络模块最后一次上采样得到的特征层通过卷积运算得到当前卷积神经网络模块输出的特征层。