[发明专利]图像分割方法及装置，神经网络的训练方法及装置

权利要求书

1.一种图像分割方法，其特征在于，包括：

将第一骨影像输入第一神经网络中，得到所述第一骨影像的第一特征图，其中，所述第一神经网络用于对所述第一骨影像进行骨骼的语义分割；

根据所述第一骨影像中的局部骨影像，通过第二神经网络，得到所述局部骨影像的第二特征图，其中，所述第二神经网络用于对所述局部骨影像进行骨骼的二值分割；

根据所述第一特征图和所述第二特征图，获取骨骼分类分割结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征图和所述第二特征图，获取骨骼分类分割结果，包括：

将所述第一特征图分别输入第三神经网络的第一分支和第二分支中，以获得全骨分类分割结果和肋骨分类分割结果，其中，所述全骨包括肩胛骨、锁骨、椎骨、胸骨和肋骨中的至少两种，所述肋骨包括至少两类肋骨；

将所述第二特征图输入所述第三神经网络的第三分支中，以获得骨分割结果，其中，所述骨分割结果包括所述全骨和所述至少两类肋骨的二值分割结果；

将所述全骨分类分割结果和所述肋骨分类分割结果映射至所述骨分割结果上，以获得所述骨骼分类分割结果。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一骨影像中的局部骨影像，通过第二神经网络，得到所述局部骨影像的第二特征图，包括：

将所述局部骨影像和所述第一特征图输入所述第二神经网络，以获得所述局部骨影像的第二特征图。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述第一骨影像通过保留原始骨影像的X轴和Y轴的信息，对所述原始骨影像的Z轴进行切片而获得，所述局部骨影像通过对所述第一骨影像的X轴、Y轴和Z轴进行切片而获得。

5.一种神经网络的训练方法，其特征在于，包括：

将第一骨样本影像输入第一神经网络中，得到所述第一骨样本影像的第一样本特征图，其中，所述第一神经网络用于对所述第一骨样本影像进行骨骼的语义分割；

根据所述第一骨样本影像中的局部骨样本影像，通过第二神经网络，得到所述局部骨样本影像的第二样本特征图，其中，所述第二神经网络用于对所述局部骨样本影像进行骨骼的二值分割；

根据所述第一样本特征图和所述第二样本特征图，更新所述神经网络的参数。

6.根据权利要求5所述的训练方法，其特征在于，所述根据所述第一样本特征图和所述第二样本特征图，更新所述神经网络的参数，包括：

将所述第一样本特征图分别输入第三神经网络的第一分支和第二分支中，以获得全骨分类分割预测结果和肋骨分类分割预测结果，其中，所述全骨包括肩胛骨、锁骨、椎骨、胸骨和肋骨中的至少两种，所述肋骨包括至少两类肋骨；

将所述第二样本特征图输入所述第三神经网络的第三分支中，以获得骨分割预测结果，其中，所述骨分割预测结果包括所述全骨和所述至少两类肋骨的二值分割结果；

根据所述全骨分类分割预测结果、所述肋骨分类分割预测结果和所述骨分割预测结果，更新所述第一神经网络、所述第二神经网络和所述第三神经网络的参数。

7.根据权利要求6所述的训练方法，其特征在于，所述根据所述全骨分类分割预测结果、所述肋骨分类分割预测结果和所述骨分割预测结果，更新所述第一神经网络、所述第二神经网络和所述第三神经网络的参数，包括：

根据所述全骨分类分割预测结果和/或所述肋骨分类分割预测结果与局部类别混淆损失函数，确定第一损失函数值，其中，所述局部类别损失函数用于加强相邻骨骼的分类效果；

根据所述骨分割预测结果、所述全骨分类分割预测结果和所述肋骨分类分割预测结果与分割损失函数，确定第二损失函数值；

根据所述第一损失函数值和所述第二损失函数值，更新所述第一神经网络、所述第二神经网络和所述第三神经网络的参数。