[發明專利]影像分割方法、裝置、可讀存儲介質及電子設備

有效

• 申請號: 201911146163.X
• 申請日: 2019-11-21
• 公開（公告）號: CN110853043B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 陳偉導;孫巖峰;陳寬;王少康
• 申請（專利權）人: 北京推想科技有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/174;G06T7/38
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 秦衛中

1.一種影像分割方法，其特征在于，包括：

獲取待分割影像和影像分割模板，其中，所述影像分割模板包括樣本影像和所述樣本影像的多個影像分區的樣本分割標簽；

將所述待分割影像和所述影像分割模板輸入特征金字塔卷積神經網絡，利用所述特征金字塔卷積神經網絡將所述待分割影像與所述樣本影像在多個尺度上進行配準，得到多尺度空間變換矩陣參數；

根據所述多尺度空間變換矩陣參數，對所述樣本分割標簽進行空間轉換，得到所述待分割影像的所述多個影像分區的分割標簽，

其中，所述利用特征金字塔卷積神經網絡將所述待分割影像與所述樣本影像在多個尺度上進行配準，得到所述多尺度空間變換矩陣參數，包括：

通過特征金字塔卷積神經網絡將所述待分割影像與所述樣本影像在多個尺度上進行配準，分別獲取不同尺度的多個第一空間變換矩陣參數；

根據所述多個第一空間變換矩陣參數，得到所述多尺度空間變換矩陣參數，

其中，所述通過特征金字塔卷積神經網絡將所述待分割影像與所述樣本影像在多個尺度上進行配準，分別獲取不同尺度的多個第一空間變換矩陣參數，包括：

通過所述特征金字塔卷積神經網絡提取所述待分割影像的不同尺度的多個影像特征，對所述多個影像特征進行壓縮和融合，得到不同尺度的多個初始空間變換矩陣參數；

對所述待分割影像進行重采樣，得到不同尺度的多個第一影像，其中，所述多個第一影像的尺度與所述多個初始空間變換矩陣參數的尺度一一對應；

根據所述多個初始空間變換矩陣參數，對所述多個第一影像進行空間變換，得到不同尺度的多個第二影像；

根據所述多個第二影像與所述樣本影像的不同尺度的多個第三影像的相似性損失值，調整所述多個初始空間變換矩陣參數，得到所述多個第一空間變換矩陣參數，其中，所述多個第三影像通過對所述樣本影像重采樣得到，所述多個第二影像的尺度與所述多個第三影像的尺度一一對應。

2.根據權利要求1所述的影像分割方法，其特征在于，所述根據所述多個第二影像與所述樣本影像的不同尺度的多個第三影像的相似性損失值，調整所述多個初始空間變換矩陣參數，得到所述多個第一空間變換矩陣參數，包括：

獲取所述多個第二影像與所述多個第三影像對應的不同尺度的多個第一相似性損失值；

根據所述多個第一相似性損失值，得到總相似性損失值；

根據所述總相似性損失值，調整所述多個初始空間變換矩陣參數，得到所述多個第一空間變換矩陣參數。

3.根據權利要求2所述的影像分割方法，其特征在于，所述根據所述多個第一相似性損失值，得到總相似性損失值，包括：

將所述多個第一相似性損失值加權相加，得到所述總相似性損失值。

4.根據權利要求1所述的影像分割方法，其特征在于，所述根據所述多個第一空間變換矩陣參數，得到所述多尺度空間變換矩陣參數，包括：

將所述多個第一空間變換矩陣參數進行上采樣，得到多個第二空間變換矩陣參數，其中，所述多個第二空間變換矩陣參數的尺度與所述待分割影像的原始尺度相同；

將所述多個第二空間變換矩陣參數加和，得到所述多尺度空間變換矩陣參數。

5.根據權利要求1至4中任一項所述的影像分割方法，其特征在于，所述多個影像分區為全腦的多個腦供血區，其中，所述多個腦供血區為28個與腦梗死相關的腦供血區。