[发明专利]一种图像分割方法、系统、介质及电子终端

说明书

本发明提供一种图像分割方法、系统、介质及电子终端，方法包括：获取待分割训练图像；将成对的待分割训练图像输入定位网络，获取定位特征图，其中，获取定位特征图的步骤包括：对成对的待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据整体注意特征图，获取定位特征图；将定位特征图输入分割网络进行训练，获取图像分割模型；将成对的待分割的肿瘤图像输入图像分割模型，进行肿瘤图像分割；本发明中的图像分割方法通过将成对的待分割训练图像输入定位网络，不仅提取出相同语义特征，还可以提取出不同点语义特征，并将获取的定位特征图输入分割网络进行训练，获取图像分割模型，实现了跨图像语义提取，分割精确度较高。

技术领域

本发明涉及图像分割技术领域，尤其涉及一种图像分割方法、系统、介质及电子终端。

背景技术

随着图像分割技术的发展，弱监督图像分割学习受到了越来越多的关注，弱监督图像分割学习为使用少注释的图像级标注代替逐像素的标注，例如，对肿瘤图像进行弱监督图像分割，现存的弱监督图像分割学习通常通过分类网络得到定位特征图用来监督分割网络学习，然而目前，在弱监督图像分割学习的过程中，对于定位特征图的生成策略，仅保留了相同的语义特征，并且仅注意当前图像内的信息，不能获得较完整的对象信息，导致图像分割效果较差，分割精确度较低。

发明内容

本发明提供一种图像分割方法、系统、介质及电子终端，以解决现有技术中对于定位特征图的生成策略，仅保留了相同的语义特征，并且仅注意当前图像内的信息，不能获得较完整的对象信息，导致图像分割效果较差，分割精确度较低的问题。

本发明提供的图像分割方法，包括：

获取待分割训练图像；

将成对的所述待分割训练图像输入定位网络，获取定位特征图，其中，获取所述定位特征图的步骤包括：对成对的所述待分割训练图像进行相同点特征图提取与整体注意特征图提取，并根据所述整体注意特征图，获取所述定位特征图；所述定位网络包括：分类网络、用于获取相同点特征图的第一注意模块、用于获取整体注意特征图的第二注意模块；

将所述定位特征图输入分割网络进行训练，获取图像分割模型；

将成对的待分割的肿瘤图像输入所述图像分割模型，进行肿瘤图像分割；

将成对的所述待分割训练图像输入定位网络，获取定位特征图的步骤包括：

将成对的所述待分割训练图像输入所述分类网络，分别进行特征提取，获取第一原始特征图和第二原始特征图；

将所述第一原始特征图与所述第二原始特征图输入所述第一注意模块，提取所述第一原始特征图与所述第二原始特征图中的相同语义特征，进而获取第一相同点特征图和第二相同点特征图；

将所述第一相同点特征图和所述第二相同点特征图输入所述第二注意模块，提取所述第一相同点特征图和所述第二相同点特征图中的不同语义特征，进而获取整体注意特征图；

根据所述整体注意特征图，获取定位特征图。

可选的，获取待分割图像的步骤包括：

获取原始训练图像；

对所述原始训练图像进行预处理，获取预处理图像；

对所述预处理图像进行标注，获取待分割训练图像，所述待分割训练图像包括：用于表示图像中所包含的类别情况的标签向量。

可选的，将成对的所述待分割训练图像输入定位网络，获取定位特征图的步骤包括：

将成对的所述待分割训练图像输入所述分类网络，分别进行特征提取，获取原始特征图；

将所述原始特征图输入所述第一注意模块，获取相同点特征图；