[发明专利]图像分割方法、装置、模型训练方法及电子设备

权利要求书

1.一种图像分割方法，其特征在于，应用于电子设备，所述电子设备配置有基于U-net网络结构的神经网络模型，该神经网络模型包括边缘特征融合层、所述U-net网络结构中构成多个层级的下采样层以及上采样层以及设置在同一层级的下采样层与上采样层之间的注意力机制层，其中，多个所述注意力机制层依次连接，所述方法包括：

获取待处理的医学影像；

通过所述下采样层依次对所述医学影像进行处理，获得由所述下采样层输出的多个下采样信息；

通过所述边缘特征融合层对所述多个下采样信息进行特征融合，获得融合信息，其中，所述边缘特征融合层在进行特征融合的过程中提取所述医学影像中病灶区域的边缘信息；

通过各所述上采样层结合所述融合信息依次对同一层级的下采样信息进行处理，获得对所述医学影像中各类别病灶的分割图像，包括：

针对各所述层级，通过该层级的注意力机制层对该层级的下采样信息、该层级的注意力机制层的上一层输出的第一注意力信息以及所述融合信息进行处理，获得第二注意力信息，其中，所述第二注意力信息用于作为下一层级的第一注意力信息；

通过各所述上采样层依次对同一层级的第二注意力信息进行处理，获得对所述医学影像中各类别病灶的分割图像。

2.根据权利要求1所述的图像分割方法，其特征在于，所述通过所述边缘特征融合层对所述多个下采样信息进行特征融合，获得融合信息的步骤，包括：

根据所述下采样层提取特征的深度由大到小，依次对所述多个下采样信息进行特征融合，获得所述融合信息。

3.根据权利要求1所述的图像分割方法，其特征在于，所述医学影像为肺腑CT图像。

4.一种图像分割装置，其特征在于，应用于电子设备，所述电子设备配置有基于U-net网络结构的神经网络模型，该神经网络模型包括边缘特征融合层、所述U-net网络结构中构成多个层级的下采样层以及上采样层以及设置在同一层级的下采样层与上采样层之间的注意力机制层，其中，多个所述注意力机制层依次连接，所述图像分割装置包括：

影像获取模块，用于获取待处理的医学影像；

信息提取模块，用于通过所述下采样层依次对所述医学影像进行处理，获得由所述下采样层输出的多个下采样信息；

信息融合模块，用于通过所述边缘特征融合层对所述多个下采样信息进行特征融合，获得融合信息，其中，所述边缘特征融合层在进行特征融合的过程中提取所述医学影像中病灶区域的边缘信息；

图像分割模块，通过各所述上采样层结合所述融合信息依次对同一层级的下采样信息进行处理，获得对所述医学影像中各类别病灶的分割图像的方式，包括：

针对各所述层级，通过该层级的注意力机制层对该层级的下采样信息、该层级的注意力机制层的上一层输出的第一注意力信息以及所述融合信息进行处理，获得第二注意力信息，其中，所述第二注意力信息用于作为下一层级的第一注意力信息；

通过各所述上采样层依次对同一层级的第二注意力信息进行处理，获得对所述医学影像中各类别病灶的分割图像。

5.根据权利要求4所述的图像分割装置，其特征在于，所述信息融合模块具体包括：

根据所述下采样层提取特征的深度由大到小，依次对所述多个下采样信息进行特征融合，获得所述融合信息。