[發(fā)明專(zhuān)利]生物對(duì)象分割方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110228192.1
• 申請(qǐng)日: 2021-03-02
• 公開(kāi)（公告）號(hào): CN112884782A
• 公開(kāi)（公告）日: 2021-06-01
• 發(fā)明（設(shè)計(jì)）人: 許德鵬;劉曉康;何丹丹;張志仙
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市瑞圖生物技術(shù)有限公司
• 主分類(lèi)號(hào): G06T7/11
• 分類(lèi)號(hào): G06T7/11;G06T7/12;G06T7/136;G06T7/143
• 代理公司: 廣州華進(jìn)聯(lián)合專(zhuān)利商標(biāo)代理有限公司 44224
• 代理人: 陳小娜

1.一種生物對(duì)象分割方法，其特征在于，所述方法包括：

獲取待進(jìn)行生物對(duì)象分割的目標(biāo)圖像；

將所述目標(biāo)圖像輸入到已訓(xùn)練的特征提取模型中進(jìn)行特征提取，得到目標(biāo)特征圖；

根據(jù)所述目標(biāo)特征圖以及已訓(xùn)練的分割模型進(jìn)行圖像分割，得到包括生物對(duì)象的目標(biāo)分割區(qū)域；

從所述目標(biāo)特征圖中獲取所述目標(biāo)分割區(qū)域所對(duì)應(yīng)的分割特征圖；

將所述分割特征圖輸入到已訓(xùn)練的生物對(duì)象分割質(zhì)量評(píng)估模型進(jìn)行質(zhì)量評(píng)估，得到所述目標(biāo)分割區(qū)域?qū)?yīng)的分割可能度；

基于所述分割可能度確定所述目標(biāo)圖像的生物對(duì)象分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述目標(biāo)特征圖以及已訓(xùn)練的分割模型進(jìn)行圖像分割，得到包括生物對(duì)象的目標(biāo)分割區(qū)域包括：

將所述目標(biāo)特征圖輸入到已訓(xùn)練的生物對(duì)象檢測(cè)模型中，確定包括生物對(duì)象的生物對(duì)象區(qū)域；

從所述目標(biāo)特征圖中獲取所述生物對(duì)象區(qū)域所對(duì)應(yīng)的生物對(duì)象特征圖；

將所述生物對(duì)象特征圖輸入到已訓(xùn)練的分割模型進(jìn)行圖像分割，分割得到包括所述生物對(duì)象的目標(biāo)分割區(qū)域。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述生物對(duì)象特征圖輸入到已訓(xùn)練的分割模型進(jìn)行圖像分割，分割得到包括所述生物對(duì)象的目標(biāo)分割區(qū)域包括：

將所述生物對(duì)象特征圖輸入到已訓(xùn)練的分割模型中，所述分割模型輸出所述生物對(duì)象區(qū)域中各個(gè)像素點(diǎn)屬于生物對(duì)象的概率；

基于各個(gè)所述像素點(diǎn)屬于生物對(duì)象的概率分割得到包括所述生物對(duì)象的目標(biāo)分割區(qū)域。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述生物對(duì)象區(qū)域是基于所述生物對(duì)象檢測(cè)模型輸出的區(qū)域檢測(cè)概率得到的，所述基于所述分割可能度確定所述目標(biāo)圖像的生物對(duì)象分割結(jié)果包括：

通過(guò)所述區(qū)域檢測(cè)概率對(duì)所述分割可能度進(jìn)行調(diào)整，得到調(diào)整后的分割可能度；

當(dāng)調(diào)整后的分割可能度大于第一概率閾值時(shí)，確定所述目標(biāo)分割區(qū)域?yàn)樯飳?duì)象所在的圖像區(qū)域。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

獲取調(diào)整后的分割可能度大于第一概率閾值的目標(biāo)分割區(qū)域，組成當(dāng)前對(duì)象區(qū)域集合；

獲取當(dāng)前對(duì)象區(qū)域集合中調(diào)整后的分割可能度最大的對(duì)象區(qū)域，作為對(duì)比對(duì)象區(qū)域；

獲取所述對(duì)比對(duì)象區(qū)域與當(dāng)前對(duì)象區(qū)域集合中其他對(duì)象區(qū)域的區(qū)域重合度；

從當(dāng)前對(duì)象區(qū)域集合中濾除區(qū)域重合度大于重合度閾值的其他對(duì)象區(qū)域，得到更新的當(dāng)前對(duì)象區(qū)域集合；

重復(fù)獲取當(dāng)前對(duì)象區(qū)域集合中調(diào)整后的分割可能度最大的對(duì)象區(qū)域，作為對(duì)比對(duì)象區(qū)域的步驟，直至對(duì)象區(qū)域獲取完畢，基于當(dāng)前對(duì)象區(qū)域集合所包括的對(duì)象區(qū)域?qū)λ瞿繕?biāo)圖像進(jìn)行標(biāo)注，得到標(biāo)注后的目標(biāo)圖像。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征提取模型是通過(guò)目標(biāo)訓(xùn)練圖像訓(xùn)練得到的，得到所述目標(biāo)訓(xùn)練圖像的步驟包括：

獲取初始訓(xùn)練圖像以及生物對(duì)象圖像；

將所述生物對(duì)象圖像與所述初始訓(xùn)練圖像進(jìn)行融合，將融合得到的圖像作為所述目標(biāo)訓(xùn)練圖像。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將所述生物對(duì)象圖像與所述初始訓(xùn)練圖像進(jìn)行融合，將融合得到的圖像作為所述目標(biāo)訓(xùn)練圖像包括：

獲取所述初始訓(xùn)練圖像對(duì)應(yīng)的融合區(qū)域；

將所述融合區(qū)域各個(gè)像素點(diǎn)對(duì)應(yīng)的像素值，與所述生物對(duì)象圖像中對(duì)應(yīng)位置的像素點(diǎn)的像素值進(jìn)行加權(quán)，得到加權(quán)像素值；

利用所述加權(quán)像素值替換所述融合區(qū)域的像素值，得到所述目標(biāo)訓(xùn)練圖像。