一种图像分割方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例公开了一种图像分割方法、装置、电子设备及存储介质，该方法包括：确定待分割原图像；将待分割原图像输入至图像分割模型，得到待分割原图像中的目标区域图像，图像分割模型包括：特征提取单元、下采样单元和上采样单元；特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像；所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。本公开实施例的技术方案，实现了对待分割图像的准确分割。

An image segmentation method, device, electronic equipment and storage medium

【技术实现步骤摘要】
一种图像分割方法、装置、电子设备及存储介质
本公开实施例涉及计算机
，尤其涉及一种图像分割方法、装置、电子设备及存储介质。
技术介绍
缺血性脑卒中又称脑梗塞，是一种常见的脑血管疾病，一直以来都严重危害着人体健康，其老年发病率、致残率和病死率都非常高。缺血性脑卒中的早期发现是十分重要的，尤其是超急性期的正确发现，能够及时指导采取措施，以减少梗死灶周边缺血性缺血半暗带区域的脑细胞坏死，对于缺血性脑卒中的诊断与治疗具有重大作用。目前，对脑卒中缺血区域的确定主要依赖于医生的经验，难度高且一致性差，同时手工标注费时费力。
技术实现思路
本公开实施例提供一种图像分割方法、装置、电子设备及存储介质，实现了对图像中目标区域的准确分割。第一方面，本公开实施例提供了一种图像分割方法，该方法包括：确定待分割原图像；将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；其中，所述图像分割模型包括：特征提取单元、下采样单元和上采样单元；所述特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像，并将所述第一特征图像作为下采样单元的输入特征图像；所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；所述上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。第二方面，本公开实施例还提供了一种图像分割装置，该装置包括：r>确定模块，用于确定待分割原图像；分割模块，用于将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；其中，所述图像分割模型基于样本数据对设定图像分割网络进行预先训练得到，所述设定图像分割网络：包括：特征提取单元、下采样单元和上采样单元；所述特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像，并将所述第一特征图像作为下采样单元的输入特征图像；所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；所述上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。第三方面，本公开实施例还提供了一种设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的图像分割方法。第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像分割方法。本公开实施例的技术方案包括：确定待分割原图像；将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；其中，所述图像分割模型包括：特征提取单元、下采样单元和上采样单元；所述特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像，并将所述第一特征图像作为下采样单元的输入特征图像；所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；所述上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。通过在下采样过程中加入特征提取操作，有利于保留空间等浅层的图像特征信息；在上采样过程中通过叠加下采样单元提取到的特征层，使得上采样的过程中可以充分获取到下采样得到的抽象特征，使得整个模型网络可以快速评估整个待分割原图像特征的初始估计，大大提高了图像分割模型的表达能力，实现了对图像中目标区域的准确分割。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1为本公开实施例一所提供的一种图像分割方法流程示意图；图2为本公开实施例一所提供的一种图像分割模型的网络结构示意图；图3为本公开实施例一所提供的一种DenseBlock的结构示意图；图4为本公开实施例一所提供的一种图像分割效果对比示意图；图5为本公开实施例二所提供的一种图像分割装置结构示意图；图6为本公开实施例三所提供的一种电子设备结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。实施例一图1为本公开实施例一所提供的一种图像分割方法流程示意图，该方法可以由图像分割装置来执行，该装置可以通过软件和/或硬件的形式实现。如图1所述，本实施例提供的图像分割方法包括如下步骤：步骤110、确定待分割原图像。具体的，所述待分割原图像包括：脑部的非增强计算机断层扫描NCCT图像。步骤120、将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像。其中，所述图像分割模型包括：特征提取单元、下采样单元和上采样单元；所述特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像，并将所述第一特征图像作为下采样单元的输入特征图像；所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；所述上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。参见图2所示的一种图像分割模型的网络结构示意图，所述图像分割模型包括：特征提取单元210、下采样单元220和上采样单元230。<本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：/n确定待分割原图像；/n将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；/n其中，所述图像分割模型包括：特征提取单元、下采样单元和上采样单元；/n所述特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像，并将所述第一特征图像作为下采样单元的输入特征图像；/n所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；/n所述上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
确定待分割原图像；
将所述待分割原图像输入至图像分割模型，得到所述待分割原图像中的目标区域图像；
其中，所述图像分割模型包括：特征提取单元、下采样单元和上采样单元；
所述特征提取单元用于对所述待分割原图像进行第一次特征提取，得到第一特征图像，并将所述第一特征图像作为下采样单元的输入特征图像；
所述下采样单元用于基于所述第一特征图像进行下采样处理，得到下采样特征图像，并基于所述下采样特征图像进行特征提取，得到目标特征图像；
所述上采样单元用于基于所述目标特征图像以及所述下采样特征图像进行上采样处理。


2.根据权利要求1所述的方法，其特征在于，所述下采样单元包括至少一个下采样子单元；
其中，第一个下采样子单元用于对所述第一特征图像进行下采样处理，得到下采样特征图像，并对所述下采样特征图像进行特征提取，得到目标特征图像，并将所述目标特征图像作为与所述第一个下采样子单元相连的第二个下采样子单元的输入特征图像；
最后一个下采样子单元得到的目标特征图像以及下采样特征图像作为相同图像大小所对应的上采样子单元的输入图像。


3.根据权利要求2所述的方法，其特征在于，所述上采样单元包括与所述下采样子单元对应的至少一个上采样子单元；
其中，第一个上采样子单元用于基于最后一个下采样子单元得到的目标特征图像以及下采样特征图像进行上采样处理，得到上采样图像；
所述上采样图像以及与所述上采样图像大小所对应的下采样子单元得到的目标特征图像作为与所述第一个上采样子单元相连的第二个上采样子单元的输入图像。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述特征提取单元包括DenseBlock或者residualblock；
所述对所述下采样特征图像进行特征提取，得到目标特征图像，包括：
基于DenseBlock对所述下采样特...

【专利技术属性】
技术研发人员：陈伟导，赵朝炜，李新阳，王少康，陈宽，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11