[发明专利]一种CSM图像分割方法、装置、终端设备及存储介质

权利要求书

1.一种图像分割方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入到已训练的生成器中处理，得到所述目标图像的分割图像，所述生成器为编码器-解码器结构，且所述编码器和所述解码器之间设置有金字塔池化模块，所述编码器中的多个卷积层和所述金字塔池化模块之间相互连接。

2.根据权利要求1所述的方法，其特征在于，所述金字塔池化模块处理输入特征的方式，包括：

采用不同尺寸的M个池化层分别对所述输入特征进行池化操作，得到M个局部上下文信息，M为大于或者等于2的整数；

将M个所述局部上下文信息分别进行上采样处理，得到与所述输入特征的尺寸相同的M个第一特征向量；

对所述输入特征中的所有列向量进行均值计算，得到所述目标列向量；

对所述输入特征中的所有行向量进行均值计算，得到所述目标行向量；

将所述目标列向量和所述目标行向量分别扩展为与所述输入特征的尺寸相同的第二特征向量和第三特征向量；

将所述第二特征向量、所述第三特征向量和所述输入特征融合，得到第四特征向量；

将M个所述第一特征向量和所述第四特征向量相加后，进行二维卷积操作得到全局上下文信息。

3.根据权利要求2所述的方法，其特征在于，所述将所述第二特征向量、所述第三特征向量和所述输入特征融合，得到第四特征向量，包括：

将所述第二特征向量和所述第三特征向量进行点成后，输入预设的激活函数中处理，得到融合特征；

将所述融合特征和所述输入特征相加，得到所述第四特征向量。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取训练集，所述训练集包括多个第一图像样本和每个所述第一图像样本的分割图像样本；

根据预设的损失函数和所述训练集对预设的生成对抗网络模型进行生成对抗训练，得到所述生成器；所述生成对抗网络模型包括初始生成器、第一判别器和已训练的第二判别器，在训练过程中，所述初始生成器输出的预测分割图像和所述分割图像样本分别输入所述第一判别器和所述第二判别器进行真假判别，所述第一判别器的输出结果和所述第二判别器的输出结果融合得到判别结果。

5.根据权利要求4所述的方法，其特征在于，所述训练集还包括多个第二图像样本和多个第三图像样本，多个所述第三图像样本为多个所述第一图像样本与多个所述第二图像样本经过旋转变换后得到的图像样本。

6.根据权利要求5所述的方法，其特征在于，所述损失函数包括用于训练所述初始生成器的交叉熵损失函数和自监督损失函数；

所述交叉熵损失函数为：

L_Dice＝-∑∑G_tlog(S(I))

所述自监督损失函数为：

L_R＝-∑E(S(R(I))-S(I))²

其中，I表示多个所述第一图像样本和多个所述第二图像样本中的图像样本，S()为所述初始生成器生成的预测分割图像，G_t为所述分割图像样本，R(I)为所述第三图像样本，E()表示求平方差。