[发明专利]一种基于对偶条件相容神经网络的图像分割方法、装置

说明书

本发明涉及一种基于对偶条件相容神经网络的图像分割方法、装置，该方法包括如下步骤：S1：获取与待分割图像结构模态相同的具有部分标签的图像数据作为训练数据；S2、构建主分割网络和对偶分割网络，主分割网络和对偶分割网络的输入包括目标数据以及提供条件先验的部分标注数据，输出为目标数据的分割结果；S3、分别确定主分割网络和对偶分割网络的损失函数；S4、利用训练数据训练主分割网络和对偶分割网络；S5、进行图像分割：将待分割图像作为目标数据，将目标数据及提供条件先验的部分标注数据输入到主分割网络中，输出分割结果。与现有技术相比，本发明能够实现在少量训练数据的情况下实现准确的图像分割。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种基于对偶条件相容神经网络的图像分割方法、装置。

背景技术

在医学影像领域，医学图像的标注需要花费大量的人力成本，获取难度极高。而服务于特定医学目的的部分标注的医学图像则更为常见，比如在心肌活性诊断时，心脏MRI图像只有心肌部分被标注；而在右心室异常的诊断中，往往只有右心室区域被标注。部分监督的医学图像分割可以节约医生的标注时间，充分利用现有的部分标注图像数据。

目前，现有的部分监督的分割方法中，均采用忽视未标注结构或者将未标注结构视为背景的方法。该策略通过只对被标注的区域计算损失函数，而在损失函数回传的时候忽视未标注的标签，最终使得模型能够利用被标注的部分标签进行训练。然而这种方法忽视了未被标注结构的信息，难以在少量训练数据的情况下实现准确的分割。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于对偶条件相容神经网络的图像分割方法、装置。

本发明的目的可以通过以下技术方案来实现：

一种基于对偶条件相容神经网络的图像分割方法，该方法包括如下步骤：

S1：获取与待分割图像结构模态相同的具有部分标签的图像数据作为训练数据；

S2、构建主分割网络和对偶分割网络，所述的主分割网络和对偶分割网络的输入包括目标数据以及提供条件先验的部分标注数据，所述的主分割网络和对偶分割网络的输出为目标数据的分割结果；

S3、分别确定主分割网络和对偶分割网络的损失函数，包括相容性损失和成对损失，所述的相容性损失表征目标数据的分割结果和目标数据的部分标签之间的差异，所述的成对损失表征目标数据的分割结果和提供条件先验的部分标注数据之间的差异；

S4、利用训练数据训练主分割网络和对偶分割网络；

S5、进行图像分割：将待分割图像作为目标数据，将目标数据及提供条件先验的部分标注数据输入到主分割网络中，输出分割结果。

优选地，步骤S4训练主分割网络和对偶分割网络包括：

随机选取训练数据中一张具有部分标签的图像数据的原始图像作为主分割网络的目标数据，选取训练数据中m对具有部分标签的图像数据作为m对提供条件先验的部分标注数据，第j对提供条件先验的部分标注数据为分割类别j提供条件先验，每一对提供条件先验的部分标注数据分别包括原始图像以及对应分割类别的标注数据，j＝1，2，……，m，m为待分割的总类别数；

随机选取主分割网络中m对提供条件先验的部分标注数据中的任意一对数据，设该对数据为分割类别x提供条件先验，将该对数据中的原始图像作为对偶分割网络的目标数据，将主分割网络中对于分割类别x的分割结果与主分割网络的目标数据组成一对并作为对偶分割网络中的一对提供条件先验的部分标注数据，将主分割网络中除去为分割类别x提供条件先验的其他m-1对提供条件先验的部分标注数据也一并作为对偶分割网络中的提供条件先验的部分标注数据，x为m种分割类别中的任意一种。

优选地，步骤S4训练过程中先单独迭代训练主分割网络，之后用主分割网络的参数初始化对偶分割网络，并固定对偶分割网络的参数，循环迭代训练。