[发明专利]图像分割方法、装置和存储介质

说明书

本申请实施例公开了一种图像分割方法、装置和存储介质；本申请实施例先获取目标域图像、以及已标注目标信息的源域图像，再采用第一生成对抗网络中的生成网络以及第二生成对抗网络中的生成网络分别对源域图像和目标域图像进行分割，接着，根据该第一源域分割损失、该第二源域分割损失确定第一源域目标图像和第二源域目标图像，根据该第一目标域分割损失、该第二目标域分割损失确定第一目标域目标图像和第二目标域目标图像，然后，对第一生成对抗网络和第二生成对抗网络进行交叉训练，得到训练后的第一生成对抗网络，再基于该训练后的第一生成对抗网络的生成网络对待分割图像进行分割，得到分割结果；该方案可以有效地提高图像分割的准确性。

技术领域

本申请涉及通信技术领域，具体涉及一种图像分割方法、装置和存储介质。

背景技术

随着人工智能(AI，Artificial Intelligence)的发展，AI在医疗领域上的应用也越来越为广泛，在对各种医学图像分析任务中都取得了显著的成果，如图像分类、病灶检测、目标分割以及医学影像分析，特别是在医学影像的分割上，比如，可以应用AI技术从视网膜眼底图像中分割出视杯和视盘等。目前AI分割视杯和视盘的方案主要基于深度学习网络，具体可以训练一个可分割视杯和视盘的深度学习网络，然后，将待分割的眼底图像输入至训练后的深度学习网络进行特征提取，并基于特征进行视杯和视盘分割，得到分割结果，如青光眼分割图像等等。

在对现有技术的研究和实践过程中发现，所训练的深度卷积神经网络模型通常在对未出现过的数据进行测试时，性能出现下降，特别是在训练之间(源域)和测试(目标域)数据存在显著的域迁移(domain shift)。域迁移是生物医学领域的一个常见问题，由于生物医学图像是由不同成像方式或同一设备的不同设置采集的，不同的采集图像在纹理、颜色、形状等方面有差异性。因此，分割的准确性并不高。

发明内容

本申请实施例提供一种图像分割方法、装置和存储介质，可以有效地提高图像分割的准确性。

本申请实施例提供一种图像分割方法，包括：

获取目标域图像、以及已标注目标信息的源域图像；

采用第一生成对抗网络中的生成网络分别对源域图像和目标域图像进行分割，确定第一源域分割损失和第一目标域分割损失；

采用第二生成对抗网络中的生成网络分别对源域图像和目标域图像进行分割，确定第二源域分割损失和第二目标域分割损失；

根据所述第一源域分割损失、所述第二源域分割损失确定第一源域目标图像和第二源域目标图像，以及根据所述第一目标域分割损失、所述第二目标域分割损失确定第一目标域目标图像和第二目标域目标图像；

利用第一源域目标图像、第一目标域目标图像、第二源域目标图像以及第二目标域目标图像对所述第一生成对抗网络和所述第二生成对抗网络进行交叉训练，得到训练后的第一生成对抗网络；

基于所述训练后的第一生成对抗网络的生成网络对待分割图像进行分割，得到分割结果。

相应的，本申请实施例还提供一种图像分割装置，包括：

获取单元，用于获取目标域图像、以及已标注目标信息的源域图像；

第一分割单元，用于采用第一生成对抗网络中的生成网络分别对源域图像和目标域图像进行分割，确定第一源域分割损失和第一目标域分割损失；

第二分割单元，用于采用第二生成对抗网络中的生成网络分别对源域图像和目标域图像进行分割，确定第二源域分割损失和第二目标域分割损失；

确定单元，用于根据所述第一源域分割损失、所述第二源域分割损失确定第一源域目标图像和第二源域目标图像，以及根据所述第一目标域分割损失、所述第二目标域分割损失确定第一目标域目标图像和第二目标域目标图像；