[发明专利]图像分割方法、装置、模型训练方法及电子设备

说明书

本申请提供一种图像分割方法、装置、模型训练方法及电子设备。在该图像分割方法中，由于边缘特征融合层对多个下采样信息进行融合处理，不仅能够融合医学影像中浅层语义信息与深层语义信息，并能提取医学影像中的病灶区域的边缘信息，使得上采样层进行上采样操作时，能够基于病灶区域的边缘信息对医学影像取得更优的分割效果。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种图像分割方法、装置、模型训练方法及电子设备。

背景技术

随着医学技术的进步，医学影像作为医生诊断疾病时的重要依据。由于医学影像多为层面图像，因此，为了显示整个器官，需要多个连续的层面图像序列。多个连续的层面图像序列增加了医生阅片时的难度，继而效率低下。

目前出现了一些用于图像分割的神经网络模型，但由于医学影像本身图像的对比度较低，因此，在对医学影像进行分割时，存在分割效果欠佳的问题。

发明内容

为了克服现有技术中的至少一个不足，本申请实施例的目的之一在于提供一种图像分割方法，应用于电子设备，所述电子设备配置有基于U-net网路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网路结构中构成多个层级的下采样层以及上采样层，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。

可选地，所述神经网络模型还包括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，多个所述注意力机制层依次连接，所述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步骤，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；

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。

可选地，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。

可选地，所述医学影像为肺腑CT图像。

本申请实施例的目的之二在于提供一种图像分割装置，应用于电子设备，所述电子设备配置有基于U-net网路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网路结构中构成多个层级的下采样层以及上采样层，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。