[發(fā)明專利]一種醫(yī)學(xué)影像的分割方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202211055254.4
• 申請(qǐng)日: 2022-08-31
• 公開（公告）號(hào): CN115393369A
• 公開（公告）日: 2022-11-25
• 發(fā)明（設(shè)計(jì)）人: 王斯凡;胡玉蘭;梁爍斌
• 申請(qǐng)（專利權(quán)）人: 京東方科技集團(tuán)股份有限公司
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06V10/40;G06V10/74;G16H30/00
• 代理公司: 北京金信知識(shí)產(chǎn)權(quán)代理有限公司 11225
• 代理人: 莊何媛

1.一種醫(yī)學(xué)影像的分割方法，其特征在于，包括：

通過(guò)編碼器對(duì)M個(gè)支持圖和M個(gè)查詢圖分別進(jìn)行N個(gè)維度下的特征提取，以得到每個(gè)所述支持圖在N個(gè)維度下的第一類特征向量矩陣，以及每個(gè)所述查詢圖在N個(gè)維度下的第二類特征向量矩陣，M個(gè)所述查詢圖為連續(xù)的M個(gè)待處理醫(yī)學(xué)圖像；

通過(guò)度量網(wǎng)絡(luò)基于每個(gè)所述支持圖對(duì)應(yīng)的標(biāo)記圖以及每個(gè)所述支持圖在第N維度的所述第一類特征向量矩陣確定M個(gè)第一特征向量，并基于M個(gè)所述第一特征向量和第N維度的M個(gè)所述第二類特征向量矩陣確定M個(gè)相似度矩陣；

通過(guò)記憶網(wǎng)絡(luò)對(duì)M個(gè)所述相似度矩陣進(jìn)行學(xué)習(xí)，并輸出M個(gè)前向特征圖矩陣以及M個(gè)后向特征圖矩陣；

通過(guò)解碼器將M個(gè)所述前向特征圖矩陣以及M個(gè)所述后向特征圖矩陣分別拼接后進(jìn)行N個(gè)維度下的上采樣處理，以得到M個(gè)所述查詢圖對(duì)應(yīng)的分割圖。

2.根據(jù)權(quán)利要求1所述的分割方法，其特征在于，M為3至9之間的整數(shù)。

3.根據(jù)權(quán)利要求1所述的分割方法，其特征在于，所述記憶網(wǎng)絡(luò)至少包括雙向長(zhǎng)短期記憶網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求1所述的分割方法，其特征在于，通過(guò)解碼器將M個(gè)所述前向特征圖矩陣以及M個(gè)所述后向特征圖矩陣分別拼接后進(jìn)行N個(gè)維度下的上采樣處理，包括：

通過(guò)解碼器將M個(gè)所述前向特征圖矩陣以及M個(gè)所述后向特征圖矩陣分別進(jìn)行拼接以得到M個(gè)拼接矩陣；

將M個(gè)所述查詢圖在N個(gè)維度下的第二類特征向量矩陣與M個(gè)拼接矩陣分別拼接后進(jìn)行N個(gè)維度下的上采樣處理，以得到M個(gè)第一維度的特征圖；

對(duì)M個(gè)第一維度的特征圖進(jìn)行分割處理以得到M個(gè)所述查詢圖對(duì)應(yīng)的分割圖。

5.根據(jù)權(quán)利要求1所述的分割方法，其特征在于，還包括：

通過(guò)M個(gè)支持圖和M個(gè)樣本圖對(duì)所述編碼器、所述度量網(wǎng)絡(luò)、所述記憶網(wǎng)絡(luò)以及所述解碼器進(jìn)行訓(xùn)練。

6.根據(jù)權(quán)利要求5所述的分割方法，其特征在于，通過(guò)M個(gè)支持圖和M個(gè)樣本圖對(duì)所述編碼器、所述度量網(wǎng)絡(luò)、所述記憶網(wǎng)絡(luò)以及所述解碼器進(jìn)行訓(xùn)練，包括：

通過(guò)編碼器對(duì)M個(gè)支持圖和M個(gè)樣本圖分別進(jìn)行N個(gè)維度下的特征提取，以得到每個(gè)所述支持圖在N個(gè)維度下的第一類特征向量矩陣，以及每個(gè)所述樣本圖在N個(gè)維度下的第三類特征向量矩陣，M個(gè)所述樣本圖為連續(xù)的醫(yī)學(xué)圖像；

通過(guò)度量網(wǎng)絡(luò)基于每個(gè)所述支持圖對(duì)應(yīng)的標(biāo)記圖以及每個(gè)所述支持圖在第N維度的所述第一類特征向量矩陣確定M個(gè)第一特征向量，并基于M個(gè)所述第一特征向量和第N維度的M個(gè)所述第三類特征向量矩陣確定M個(gè)相似度矩陣；

通過(guò)記憶網(wǎng)絡(luò)對(duì)M個(gè)所述相似度矩陣進(jìn)行學(xué)習(xí)，并輸出M個(gè)前向特征圖矩陣以及M個(gè)后向特征圖矩陣；

通過(guò)解碼器將M個(gè)所述前向特征圖矩陣以及M個(gè)所述后向特征圖矩陣分別拼接后進(jìn)行N個(gè)維度下的上采樣處理，以得到M個(gè)所述樣本圖對(duì)應(yīng)的分割圖；

根據(jù)M個(gè)所述樣本圖對(duì)應(yīng)的分割圖與M個(gè)所述樣本圖對(duì)應(yīng)的標(biāo)記圖進(jìn)確定損失函數(shù)，并基于所述損失函數(shù)對(duì)所述編碼器、所述度量網(wǎng)絡(luò)、所述記憶網(wǎng)絡(luò)以及所述解碼器的參數(shù)進(jìn)行調(diào)整。

7.根據(jù)權(quán)利要求6所述的分割方法，其特征在于，基于所述損失函數(shù)對(duì)所述編碼器、所述度量網(wǎng)絡(luò)、所述記憶網(wǎng)絡(luò)以及所述解碼器的參數(shù)進(jìn)行調(diào)整之后，還包括：

根據(jù)優(yōu)化后的所述編碼器、所述度量網(wǎng)絡(luò)、所述記憶網(wǎng)絡(luò)以及所述解碼模塊重新確定所述損失函數(shù)，直至所述損失函數(shù)的值最小。