[发明专利]一种图像分割方法及设备

说明书

本发明实施例公开了一种图像分割方法及设备，方法包括：获得待分割图像，待分割图像包含有待分割特征；根据待分割特征对特征字典进行相关性筛选，获得满足相关性的第一支持特征和与第一支持特征对应的第一评价信息；将第一支持特征和待分割特征进行特征融合，获得融合图像；通过特征分割模型对融合图像进行分割，获得与待分割图像对应的目标分割图像，目标分割图像用于表征待分割特征；根据目标分割图像对第一支持特征进行评价，获得第二评价信息；根据第一评价信息和第二评价信息确定与第一支持特征对应的更新信息，以根据更新信息对特征字典进行更新，应用本方法实施例，能够改善训练样本数据量不足导致分割模型精度过低的情况。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分割方法及设备。

背景技术

在计算机辅助诊断中，对CT图像中的器官分割在治疗和介入中都十分的重要。目前的基于深度学习图像分割方法，严重依赖于标注数据量，但是医疗图像的标注需要专业的医学专家，所以经常会遇到标注量不足的情况，如何使用有限的数据量实现尽可能好的分割结果，为实用场景提供协助，成为亟待解决的问题。

发明内容

本发明实施例提供了一种图像分割方法及设备，具有在不增加训练样本量的情况下，提高模型的分割精度的特点。

本发明实施例一方面提供一种图像分割方法，所述方法包括：获得待分割图像，所述待分割图像包含有待分割特征；根据所述待分割特征对特征字典进行相关性筛选，获得满足相关性的第一支持特征和与所述第一支持特征对应的第一评价信息；将所述第一支持特征和所述待分割特征进行特征融合，获得融合图像；通过特征分割模型对所述融合图像进行分割，获得与所述待分割图像对应的目标分割图像，所述目标分割图像用于表征待分割特征；根据所述目标分割图像对所述第一支持特征进行评价，获得第二评价信息；根据所述第一评价信息和第二评价信息确定与所述第一支持特征对应的更新信息，以根据所述更新信息对所述特征字典进行更新。

在一可实施方式中，所述特征字典包含多个第二支持特征；根据待分割特征对特征字典进行相关性筛选，获得满足相关性的第一支持特征和与所述第一支持特征对应的第一评价信息，包括：根据待分割特征对每一个第二支持特征进行特征评价，确定与每一个第二支持特征对应的第三评价信息；对所有第三评价信息进行排序，根据排序结果确定满足相关性的第一支持特征和第一评价信息；所述第一支持特征为所述第二支持特征的其中至少之一。

在一可实施方式中，所述根据待分割特征对每一个第二支持特征进行特征评价，确定与每一个第二支持特征对应的第三评价信息，包括：根据所述第二支持特征和与所述第二支持特征对应的支持图像进行特征质量分析，确定第一分析信息；根据所述第二支持特征与所述待分割特征进行特征相似度分析，确定第二分析信息；对所述第一分析信息和第二分析信息进行整合，获得第三评价信息。

在一可实施方式中，所述根据所述目标分割图像对所述第一支持特征进行评价，获得第二评价信息，包括：确定与所述目标分割图像对应的分割损失值；确定与所述目标分割图像对应的分割真值；根据所述分割真值对所述分割损失值进行特征质量评价，获得第二评价信息。

在一可实施方式中，所述根据所述第一评价信息和第二评价信息确定与所述第一支持特征对应的更新信息，以根据所述更新信息对所述特征字典进行更新，包括：对所述第一评价信息和第二评价信息进行整合，获得第四评价信息；当所述第四评价信息低于特定阈值的情况下，在所述特征字典中删除与所述第四评价信息对应的第二支持特征。

在一可实施方式中，所述方法还包括：获得与所述待分割特征对应的分割数据样本，通过所述分割数据样本进行神经网络训练，获得特征提取模型；获得与所述待分割特征对应的支持图像，通过所述特征提取模型对所述支持图像进行特征提取，形成特征字典；所述特征字典包含多个第二支持特征和与所述第二支持特征对应的标记信息；将所述第二支持特征和所述分割数据样本进行融合，获得融合样本；通过所述融合样本对所述特征提取模型进行训练，获得特征分割模型。