[发明专利]图像分割的方法、装置、电子设备和存储介质

说明书

本发明公开了图像分割的方法、装置、电子设备和存储介质，涉及计算机技术领域。该方法的一具体实施方式包括：将第一标注数据和原始图像输入预设辅模型，计算第一轮廓标签；调用待训练主模型，以基于原始图像计算第二轮廓标签；调用待训练标签生成模型，基于第一轮廓标签和第二轮廓标签，计算第三轮廓标签；将第三轮廓标签、第二轮廓标签和第二标注数据输入损失函数，调整待训练主模型和待训练标签生成模型；直至损失函数的值满足预设条件时，确定图像分割模型；将待分割图像输入图像分割模型得出分割结果。该实施方式能够解决对病理图像中分割目标准确标注花费时间较长，导致分割模型训练的效率和准确性较低的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像分割的方法、装置、电子设备和存储介质。

背景技术

在医学领域中，通常会对病例图像进行图像分割，基于分割模型实现图像分割是常用的图像分割方式。分割模型训练通常需要大量的标注分割目标的标注图像进行预先训练，所以分割模型训练时需要预先生成数量庞大的标注图像库，但是病理图像中分割目标与周边图像关联紧密，轮廓并不清晰，即使专业人员也需要花费较长时间才能对病理图像中分割目标准确标注，所以很难得出大量准确的标注图像，从而导致分割模型训练的效率和准确性较低，进而降低了分割模型进行图像分割的准确性。

发明内容

有鉴于此，本发明实施例提供一种图像分割的方法、装置、电子设备和存储介质，能够解决对病理图像中分割目标准确标注花费时间较长，导致分割模型训练的效率和准确性较低，进而降低分割模型进行图像分割准确性的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图像分割的方法。

本发明实施例的一种图像分割的方法包括：接收原始图像、所述原始图像的第一标注数据和第二标注数据，其中，所述第一标注数据为基于预设标注框对所述原始图像中目标对象进行标注得到的轮廓数据，所述第二标注数据对所述原始图像中目标对象轮廓进行识别得到的轮廓数据；循环执行将所述第一标注数据和所述原始图像输入至预设辅模型，计算所述目标对象的第一轮廓标签；调用待训练主模型，以基于所述原始图像计算所述目标对象的第二轮廓标签；调用待训练标签生成模型，以基于所述第一轮廓标签和所述第二轮廓标签，计算所述目标对象的第三轮廓标签；进而将所述第三轮廓标签、所述第二轮廓标签和所述第二标注数据输入预设的损失函数，以调整所述待训练主模型和所述待训练标签生成模型；直至所述损失函数的值满足所述预设条件时，确定待训练主模型为图像分割模型；获取待分割图像，将所述待分割图像输入所述图像分割模型，得出分割结果以进行图像分析。

在一个实施例中，所述预设损失函数包括第一交叉熵和第二交叉熵之和，所述第一交叉熵为所述第三轮廓标签和所述第二标注数据之间的交叉熵，所述第二交叉熵为所述第二轮廓标签和所述第二标注数据之间的交叉熵。

在又一个实施例中，调整所述待训练主模型和所述待训练标签生成模型之后，包括：

基于所述第三轮廓标签更新所述第二标注数据；

将所述第一标注数据和所述原始图像输入预设辅模型，以得出第一轮廓标签；

调用调整后的待训练主模型，以基于所述原始图像计算新的第二轮廓标签，调用调整后的待训练标签生成模型，以基于第一轮廓标签和新的第二轮廓标签，计算新的第三轮廓标签；

将新的第三轮廓标签、新的第二轮廓标签和更新的第二标注数据输入所述损失函数，以对调整后的待训练主模型和调整后的待训练标签生成模型再次调整。

在又一个实施例中，将所述第一标注数据和所述原始图像输入至预设辅模型，计算所述目标图像的第一轮廓标签，包括：

基于所述第一标注数据，从所述原始图像中分别提取各预设大小的特征图像，将所述特征图像对应像素点的像素相乘，得出所述目标对象的第一轮廓标签。

在又一个实施例中，所述待训练标签生成模型包括两个3×3的卷积层。