[发明专利]图像分割方法和装置、电子设备、机器可读存储介质

权利要求书

1.一种图像分割方法，其特征在于，所述图像分割方法包括：

接收输入的K空间数据，所述K空间数据具有复数形式；

利用复数分割神经网络对所述K空间数据进行分割处理；

根据分割后的K空间数据形成分割后的图像。

2.根据权利要求1所述的图像分割方法，其特征在于，所述利用复数分割神经网络对所述K空间数据进行分割处理，包括：

利用复数分割神经网络的复数卷积层对输入的K空间处理进行复数卷积处理，以得到复数卷积数据；

利用复数分割神经网络的复数批归一化层对所述复数卷积数据进行复数批归一化处理，以得到复数归一化数据；

利用复数分割神经网络的复数激活函数层对所述复数归一化数据进行激活处理，以得到分割后的K空间数据。

3.根据权利要求2所述的图像分割方法，其特征在于，利用复数分割神经网络的复数卷积层，并根据下面的式子1来对输入的K空间处理进行复数卷积处理，以得到复数卷积数据，

[式子1]x＝W*h＝(A*a-B*b)+i(B*a+A*b)

其中，x表示所述复数卷积数据，W＝A+iB表示所述复数卷积层的复数卷积核，h＝a+ib表示输入的K空间数据，a、b、A、B分别表示实常数。

4.根据权利要求3所述的图像分割方法，其特征在于，利用复数分割神经网络的复数批归一化层，并根据下面的式子2和式子3对所述复数卷积数据进行复数批归一化处理，以得到复数归一化数据，

[式子2]

[式子3]

其中，表示所述复数卷积数据的协方差，V表示协方差矩阵，E[x]表示所述复数卷积数据的数学期望，BN(x)表示所述复数归一化数据，γ表示复数矩阵，β表示复数参数。

5.根据权利要求2至4任一项所述的图像分割方法，其特征在于，所述利用复数分割神经网络的复数激活函数层对所述复数归一化数据进行激活处理，以得到分割后的K空间数据，包括：

利用复数分割神经网络的复数激活函数层对所述复数归一化数据的实部和虚部分别进行激活处理，以得到分割后的K空间数据。

6.根据权利要求5所述的图像分割方法，其特征在于，所述复数激活函数层采用复数线性整流函数分别对所述复数归一化数据的实部和虚部进行激活处理，以得到分割后的K空间数据。

7.一种图像分割装置，其特征在于，所述图像分割装置包括：

复数数据接收模块，用于接收输入的K空间数据，所述K空间数据具有复数形式；

复数分割神经网络模块，用于利用复数分割神经网络对所述K空间数据进行分割处理；

成像模块，用于根据分割后的K空间数据形成分割后的图像。

8.根据权利要求7所述的图像分割装置，其特征在于，所述复数分割神经网络模块包括：

复数卷积层单元，用于利用复数分割神经网络的复数卷积层对输入的K空间处理进行复数卷积处理，以得到复数卷积数据；

复数批归一化层单元，用于利用复数分割神经网络的复数批归一化层对所述复数卷积数据进行复数批归一化处理，以得到复数归一化数据；

复数激活函数层单元，用于利用复数分割神经网络的复数激活函数层对所述复数归一化数据进行激活处理，以得到分割后的K空间数据。

9.一种电子设备，其特征在于，包括：

至少一个处理器，以及

与所述至少一个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1至6中任一所述的图像分割方法。

10.一种机器可读存储介质，其存储有可执行指令，其特征在于，所述指令当被执行时使得所述机器执行如权利要求1到6中任一所述的图像分割方法。