图像分割方法及装置、图像分割模型的训练方法制造方法及图纸

本发明专利技术提供了一种图像分割方法及装置、图像分割模型的训练方法，该图像分割方法包括：从多个角度对待测图像数据进行切片，以得到多组二维图像数据，待测图像数据对应的待测图像包括目标区域和背景区域；分别利用多个分割模型对多组二维图像数据中属于目标区域的部分进行分割，以得到多组目标分割结果；基于多组目标分割结果进行融合处理，得到融合分割结果，融合分割结果包括目标区域的位置信息。本发明专利技术的技术方案能够获得准确度高、可靠性高的融合分割结果。

【技术实现步骤摘要】
图像分割方法及装置、图像分割模型的训练方法
本专利技术涉及深度学习
，具体涉及一种图像分割方法及装置、图像分割模型的训练方法。
技术介绍
图像分割技术可以将图像划分成若干个特定的、具有独特性质的区域，从而可以将用户感兴趣的目标从背景中分割出来，因此该技术在驾驶、行人检测、医疗等各个领域具有广泛的应用前景。但是，现有的图像分割方法分割结果准确度低，可靠性差，难以正确地引导后续的相关工作。
技术实现思路
有鉴于此，本专利技术实施例提供了一种图像分割方法及装置、图像分割模型的训练方法，能够获得准确度高、可靠性高的融合分割结果。第一方面，本专利技术的实施例提供了一种图像分割方法，包括：从多个角度对待测图像数据进行切片，以得到多组二维图像数据，待测图像数据对应的待测图像包括目标区域和背景区域；分别利用多个分割模型对多组二维图像数据中属于目标区域的部分进行分割，以得到多组目标分割结果；基于多组目标分割结果进行融合处理，得到融合分割结果，融合分割结果包括目标区域的位置信息。在本专利技术某些实施例中，基于多组目标分割结果进行融合处理，得到融合分割结果，包括：对多组目标分割结果中的每组目标分割结果中的多个分割结果进行拼接，得到多个组合分割结果；对多个组合分割结果进行融合处理，得到融合分割结果。在本专利技术某些实施例中，待测图像数据为三维图像数据，目标区域的位置信息通过待测图像数据中每个体素属于目标区域的概率值进行表征，其中，对多个组合分割结果进行融合处理，得到融合分割结果，包括：对多个组合分割结果进行第一融合处理，确定待测图像中每个体素属于目标区域的概率值。在本专利技术某些实施例中，多个分割模型包括N个分割模型，概率值是由公式得到的，其中，Ri表示第i个分割模型对应的组合分割结果，(x,y,z)表示体素的位置坐标，S(x,y,z)表示经过第一融合处理后，体素属于目标区域的概率值。在本专利技术某些实施例中，融合分割结果还包括目标区域中的每个体素属于目标区域的概率值的置信程度，其中，对多个组合分割结果进行融合处理，得到融合分割结果，还包括：对多个组合分割结果进行第二融合处理，确定待测图像中每个体素属于目标区域的概率值的置信程度。在本专利技术某些实施例中，多个分割模型包括N个分割模型，置信程度是由公式得到的，其中，Ri表示第i个分割模型对应的组合分割结果，(x,y,z)表示待测图像中体素的位置坐标，S(x,y,z)表示体素属于目标区域的概率值，C(x,y,z)表示体素属于目标区域的概率值的置信程度。在本专利技术某些实施例中，待测图像为肺部医学图像，目标区域为肺部医学图像中结节区域。第二方面，本专利技术的实施例提供了一种图像分割模型的训练方法，包括：从第一角度对多个样本图像数据分别进行切片，以得到多组第一个二维样本图像数据，并从第二角度对多个样本图像数据分别进行切片，以得到多组第二个二维样本图像数据；利用多组第一个二维样本图像数据训练第一个二维神经网络模型，以得到第一分割模型，并利用多组第二个二维样本图像数据训练第二个二维神经网络模型，以得到第二分割模型，图像分割模型包括第一分割模型和第二分割模型。第三方面，本专利技术的实施例提供了一种图像分割装置，包括：切片模块，用于从多个角度对待测图像数据进行切片，以得到多组二维图像数据，待测图像数据对应的待测图像包括目标区域和背景区域；分割模块，用于分别利用多个分割模型对多组二维图像数据中属于目标区域的部分进行分割，以得到多组目标分割结果；融合模块，用于基于多组目标分割结果进行融合处理，得到融合分割结果，融合分割结果包括目标区域的位置信息。第四方面，本专利技术的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面所述的图像分割方法或者用于执行上述第二方面所述的图像分割模型的训练方法。第五方面，本专利技术的实施例提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面所述的图像分割方法或者用于执行上述第二方面所述的图像分割模型的训练方法。本专利技术实施例提供了一种图像分割方法及装置、图像分割模型的训练方法，通过对待测图像数据进行多角度的切片以获得多组二维图像数据，利用多个分割模型分别对多组二维图像数据进行分割以获得多组目标分割结果，并基于多组目标分割结果进行融合处理，可以获得准确度高、可靠性高的融合分割结果。附图说明图1所示为本专利技术一示例性实施例提供的图像分割方法的流程示意图。图2是本专利技术一示例性实施例提供的三种不同的切平面的示意图。图3是本专利技术一示例性实施例提供的两种不同参数(A,B)下的P(A,B)的示意图。图4是本专利技术另一示例性实施例提供的图像分割方法的流程示意图。图5是本专利技术一示例性实施例提供的图像分割方法的分割过程的示意图。图6是本专利技术一示例性实施例提供的图像分割模型的训练方法的流程示意图。图7是本专利技术一示例性实施例提供的图像分割模型的训练过程的示意图。图8是本专利技术一示例性实施例提供的图像分割装置的结构示意图。图9是本专利技术一示例性实施例提供的用于图像分割或训练图像分割模型的电子设备的框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由于吸烟和空气污染等因素的影响，肺癌是目前世界上发病率和死亡率较高的恶性肿瘤，也是近年来我国肿瘤患者的“头号杀手”。由于大多数肺癌患者发现时已属于中晚期，治疗效果不理想，远期生存率很低。早期肺癌往往表现为肺部小结节，若能对肺部小结节做到及时发现并进行鉴别诊断，可以降低肺癌发病率。对于肺部医学图像中肺结节的分割，目前主要有三种方法。第一种分割方法是手工标注，该方法主要依靠医生的主观判断，不仅标注难度大，而且容易出现漏诊、误诊的问题。第二种分割方法是基于传统计算机视觉的方法，该方法鲁棒性差。第三种是基于深度学习的方法，该方法鲁棒性高，但是无法对分割结果进行详细的解释，即分割结果缺乏可解释性，同时对于一些数据分布模式与训练数据有较大差异的情况，该方法可能会输出让人难以理解的错误结果。专利技术人在上海市科委-基于深度学习的肺结节影像人工智能检测及报告系统(17411952400)、上海卫计委-基于深度学习的肺结节CT智能诊断与分类系统(2018ZHYL0101)两个项目资助的课题研究中发现以上问题，并提供一种图像分割方法及装置、图像分割模型的训练方法以解决上述问题。图1所示为本专利技术一示例性实施例提供的图像分割方法的流程示意图。图1的方法可由计算设备，例如，服务器或终端，来执行。如图1所示，该图像分割方法包括如下内容。110：从多个角度对待测图像数据进行切片，以得到多组二维图像数据，待测本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：/n从多个角度对待测图像数据进行切片，以得到多组二维图像数据，所述待测图像数据对应的待测图像包括目标区域和背景区域；/n分别利用多个分割模型对所述多组二维图像数据中属于所述目标区域的部分进行分割，以得到多组目标分割结果；/n基于所述多组目标分割结果进行融合处理，得到融合分割结果，所述融合分割结果包括所述目标区域的位置信息。/n

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：
从多个角度对待测图像数据进行切片，以得到多组二维图像数据，所述待测图像数据对应的待测图像包括目标区域和背景区域；
分别利用多个分割模型对所述多组二维图像数据中属于所述目标区域的部分进行分割，以得到多组目标分割结果；
基于所述多组目标分割结果进行融合处理，得到融合分割结果，所述融合分割结果包括所述目标区域的位置信息。


2.根据权利要求1所述的图像分割方法，其特征在于，所述基于所述多组目标分割结果进行融合处理，得到融合分割结果，包括：
对所述多组目标分割结果中的每组目标分割结果中的多个分割结果进行拼接，得到多个组合分割结果；
对所述多个组合分割结果进行融合处理，得到所述融合分割结果。


3.根据权利要求2所述的图像分割方法，其特征在于，所述待测图像数据为三维图像数据，所述目标区域的位置信息通过所述待测图像数据中每个体素属于所述目标区域的概率值进行表征，其中，
所述对所述多个组合分割结果进行融合处理，得到所述融合分割结果，包括：
对所述多个组合分割结果进行第一融合处理，确定所述待测图像中每个体素属于所述目标区域的概率值。


4.根据权利要求3所述的图像分割方法，其特征在于，所述多个分割模型包括N个分割模型，所述概率值是由公式得到的，其中，
Ri表示第i个分割模型对应的组合分割结果，(x,y,z)表示所述体素的位置坐标，S(x,y,z)表示经过所述第一融合处理后，所述体素属于所述目标区域的概率值。


5.根据权利要求3所述的图像分割方法，其特征在于，所述融合分割结果还包括所述目标区域中的每个体素属于所述目标区域的概率值的置信程度，其中，
所述对所述多个组合分割结果进行融合处理，得到所述融合分割结果，还包括：
对所述多个组合分割结果进行第二融合处理，确定所述待测图像中每个体素属于所述目标区域的概率值的置信程度。


6.根据权利要求5所述的图像分割方法，其特征在于，所述多个分割模型...

【专利技术属性】
技术研发人员：于朋鑫，刘士远，萧毅，刘凯，张荣国，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