[发明专利]图像分割方法、装置、诊断系统及存储介质

权利要求书

1.一种图像分割方法，其特征在于，包括：

获取肿瘤图像；

采用3D U-Net网络的编码器网络提取得到所述肿瘤图像的上下文特征；

在所述3D U-Net网络的解码器网络中，对最深一层上采样层对应的定位特征进行上采样处理，得到待融合特征，所述最深一层上采样层对应的定位特征为所述编码器网络中最深一层下采样层对应的上下文特征,所述编码器网络包括若干下采样层，所述解码器网络包括若干上采样层，将所述待融合特征输入至次深一层上采样层，与次深一层下采样层对应的上下文特征进行合并，并通过反卷积处理，得到次深一层上采样层对应的定位特征，对其余上采样层按照由深至浅的顺序进行遍历，获得遍历到上采样层对应的定位特征，待完成所述遍历，由最浅一层上采样层对应的定位特征得到所述肿瘤图像对应的特征图；

对所述肿瘤图像对应特征图中的像素点进行类别预测，得到所述肿瘤图像对应特征图中像素点的类别，根据所述特征图中属于全肿瘤区域类别的像素点，得到将所述全肿瘤区域收容于指定区域的候选图像；

将所述候选图像输入至基于机器学习模型构建的级联分割网络；

以所述级联分割网络中的第一级分割网络，对所述候选图像中的全肿瘤区域进行图像分割为起始，逐级步进至最后一级分割网络进行关于增强肿瘤核心区域的图像分割，得到分割图像。

2.如权利要求1所述的方法，其特征在于，所述级联分割网络包括三级分割网络；

所述以所述级联分割网络中的第一级分割网络，对所述候选图像中的全肿瘤区域进行图像分割为起始，逐级步进至最后一级分割网络进行关于增强肿瘤核心区域的图像分割，得到分割图像，包括：

通过所述级联分割网络中的第一级分割网络进行所述候选图像的图像分割，得到标记了所述全肿瘤区域的第一级中间分割图像；

通过所述级联分割网络中的第二级分割网络进行所述第一级中间分割图像的图像分割，得到标记了所述全肿瘤区域包含所述肿瘤核心区域的第二级中间分割图像；

通过所述级联分割网络中的第三级分割网络进行所述第二级中间分割图像的图像分割，得到标记了所述全肿瘤区域、所述肿瘤核心区域、所述增强肿瘤核心区域三者之间真包含关系的所述分割图像。

3.如权利要求2所述的方法，其特征在于，输入图像为所述候选图像、所述第一级中间分割图像、或者所述第二级中间分割图像；

输出图像为所述第一级中间分割图像、所述第二级中间分割图像、或者所述分割图像；

分割网络为所述级联分割网络中的各级分割网络；

所述分割网络包括上采样阶段和下采样阶段；

通过所述分割网络进行所述输入图像的图像分割，得到所述输出图像，包括：

在所述分割网络中的下采样阶段，由所述输入图像提取得到关键特征；

将所述关键特征输入至所述分割网络中的上采样阶段，进行多尺度特征融合，得到所述输入图像对应的特征图；

对所述输入图像对应特征图中的像素点进行类别预测，得到所述输入图像对应特征图中像素点的类别；

对所述输入图像对应特征图中指定类别的像素点进行标记，得到所述输出图像。

4.如权利要求3所述的方法，其特征在于，所述下采样阶段包括依次连接的若干第一基础网络层和若干第一稠密模块层；

所述在所述分割网络中的下采样阶段，由所述输入图像提取得到关键特征，包括：

将所述输入图像输入至所述分割网络中的下采样阶段，通过若干第一基础网络层进行卷积下采样处理，得到中间特征；

通过若干第一稠密模块层对所述中间特征进行卷积处理，得到所述关键特征。