[发明专利]图像分割方法以及图像的相似度计算方法、装置

权利要求书

1.一种图像的相似度计算方法，其特征在于，所述方法包括：

获取图像各像素点的预测概率，所述预测概率范围为0-1内的任意值；

获取图像各像素点的金标准值，所述金标准值为0或1，其中，若所述像素点在感兴趣区域内，则金标准值为1，若所述像素点在感兴趣区域外，则金标准值为0；

基于所述各像素点的预测概率与各像素点的金标准值计算得到第一数值与第二数值；

基于所述第一数值和第二数值计算得到图像相似度；

所述基于所述各像素点的预测概率与各像素点的金标准值计算得到第一数值与第二数值包括：

分别计算各像素点的预测概率与金标准值的乘积，并将各像素点的预测概率与金标准值的乘积进行求和，得到第一数值；

计算各像素点的预测概率的二次方的值并进行求和，计算各像素点的金标准值的二次方的值并进行求和，并将各像素点的预测概率的二次方的值的和与各像素点的金标准值的二次方的值的和进行求和，得到第二数值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一数值和第二数值计算得到图像相似度包括：

计算所述第一数值与所述第二数值的商并乘2，即得到图像分割的相似度。

3.根据权利要求1所述的方法，其特征在于，所述获取图像各像素点的预测概率，所述预测概率范围为0-1内的任意值包括：

获取分类器对图像中各像素点属于感兴趣区域图像的预测概率，所述预测概率范围为0-1内的任意值。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一数值和第二数值计算得到图像相似度之后还包括：

将各目标区域的图像相似度相乘，得到多目标区域的图像相似度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一数值和第二数值计算得到图像相似度之后还包括：

对各目标区域的图像相似度求自然对数；

将各目标区域的图像相似度的自然对数相加，得到多目标区域的图像相似度。

6.一种图像分割方法，其特征在于，包括：

获取图像，以及所述图像中各像素点的金标准值，其中，若所述像素点在感兴趣区域内，则金标准值为1，若所述像素点在感兴趣区域外，则金标准值为0；

获取所述图像各像素点的预测概率，所述预测概率范围为0-1内的任意值；

将所述图像及所述金标准值输入神经网络模型；

基于所述各像素点的预测概率与各像素点的金标准值计算得到第一数值与第二数值；

基于所述第一数值和第二数值计算得到图像相似度；

基于所述相似度优化神经网络模型；

将所述图像及所述金标准值输入优化后的神经网络模型；

重复上述步骤，获取训练后的神经网络模型；

将待分割的医学图像及所述医学图像的金标准值输入所述经训练的神经网络进行学习，得到至少一个学习结果；

根据至少一个所述学习结果确定所述医学图像的分割结果；

所述基于所述各像素点的预测概率与各像素点的金标准值计算得到第一数值与第二数值包括：

分别计算各像素点的预测概率与金标准值的乘积，并将各像素点的预测概率与金标准值的乘积进行求和，得到第一数值；

计算各像素点的预测概率的二次方的值并进行求和，计算各像素点的金标准值的二次方的值并进行求和，并将各像素点的预测概率的二次方的值的和与各像素点的金标准值的二次方的值的和进行求和，得到第二数值。