[发明专利]图像分割方法、装置、设备及存储介质

说明书

本发明实施例公开了一种图像分割方法、装置、设备及存储介质，该方法包括：获取待分割图像；通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，图像分割模型的解码单元用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。解决了现有深度学习方法的普适性较低的问题。

技术领域

本发明实施例涉及医学图像处理领域，尤其涉及一种图像分割方法、装置、设备及存储介质。

背景技术

随着医疗科学技术的发展，很多医院都配置有各种各样的医学影像设备，这些医学影像设备每天都会产生大量的医学图像数据。这些医学图像数据对于病人的病情诊断具有重要的作用，但限于医生的时间、精力以及临床经验，仅仅依靠医生的视觉很难准确、有效地通过影像数据完成疾病的诊断。

为了提高医生的诊断效率，用于将病变区域从医学图像中分割出来的图像分割技术应运而生。现有技术的图像分割方法主要分为机器学习方法和深度学习方法，而现有深度学习方法的普适性较低的问题。

发明内容

本发明实施例提供了一种图像分割方法、装置、设备及存储介质，解决了现有深度学习方法的普适性较低的问题。

第一方面，本发明实施例提供了一种图像分割方法，该方法包括：

获取待分割图像；

通过已训练的图像分割模型对所述待分割图像进行图像分割，以得到目标分割区域，其中，图像分割模型用于计算当前高层特征对应的自注意力结果与该当前高层特征对应的低层特征的乘积以得到初始通道注意力结果，以及对所述初始通道注意力结果与所述当前高层特征进行组合以得到通道注意力结果，以及根据所述通道注意力结果更新所述当前高层特征，且更新后的当前高层特征的尺寸大于更新前的当前高层特征的尺寸。

进一步，获取自注意力结果的方法包括：

通过不同的卷积操作从当前高层特征中提取第一特征图、第二特征图和第三特征图；

计算所述第一特征图和所述第二特征图的乘积，并对该乘积结果执行分类操作以得到包含每个像素分类信息的分类结果；

计算所述分类结果与所述第三特征图的乘积，以及该乘积结果与该当前高层特征的乘积，以得到自注意力结果。

进一步，在计算初始通道注意力结果之前还包括：

对自注意力结果进行全局平均池化以更新所述自注意力结果，且更新之后的自注意力结果为K个1×1的特征图，其中K为通道数。

进一步，所述图像分割模型还包括特征提取单元和特征融合单元；

所述特征提取单元用于对所述待分割图像进行特征提取以得到特征提取结果；

所述特征融合单元用于通过多条并联通道分别从所述特征提取结果中提取相应尺度的特征图并对相应尺度的特征图进行压缩与解压缩操作，以及对所有通道输出的压缩与解压缩结果进行特征融合以得到特征融合结果。

进一步，特征融合单元的所有通道均通过SE块完成相应尺度的特征图的压缩与解压缩操作。

进一步，所述图像分割模型的损失函数包括主函数和辅助函数；

其中，所述辅助函数为权重交叉熵函数。

第二方面，本发明实施例还提供了图像分割装置，该装置包括：

获取模块，用于获取待分割图像；