[发明专利]基于视频时间序列的导丝分割方法、装置及可读介质

权利要求书

1.一种基于视频时间序列的导丝分割方法，其特征在于，包括：

获取具有时间序列图像的不同时间步的图像帧；

将不同时间步的所述图像帧分别进行特征提取，并融合所述特征；

通过融合的所述特征确定所述图像帧的时序信息，并生成第一特征图；

对所述第一特征图执行上采样处理，进而将上一步骤不同深度的信息进行融合，得到第二特征图；

对所述第二特征图执行激活处理，得到分割结果。

2.根据权利要求1所述的基于视频时间序列的导丝分割方法，其特征在于，所述获取具有时间序列图像的不同时间步的图像帧为图像的当前帧和前一帧。

3.根据权利要求2所述的基于视频时间序列的导丝分割方法，其特征在于，所述将不同时间步的所述图像帧分别进行特征提取，并融合所述特征包括：

两个图像经过参数共享的孪生网络进行特征提取，并将前一帧的特征和当前帧的特征融合，通过神经网络学习导丝的运动信息。

4.根据权利要求2所述的基于视频时间序列的导丝分割方法，其特征在于，所述通过融合的所述特征确定所述图像帧的时序信息，并生成第一特征图包括：

通过参数共享的所述孪生网络的RCNN模块及IR模块将不同时间步的特征进行融合，得到图像的特征信息，所述RCNN模块及所述IR模块分别对应不同时间序列的图像帧。

5.根据权利要求4所述的基于视频时间序列的导丝分割方法，其特征在于，所述对所述第一特征图执行上采样处理，进而将上一步骤不同深度的信息进行融合，得到第二特征图包括：

通过上采样方式对所述RCNN模块及所述IR模块的深层信息及浅层信息通过跳跃连接方式自顶向下的方式进行融合，对图像的语义及纹理进行学习。

6.据权利要求5所述的基于视频时间序列的导丝分割方法，其特征在于，所述上采样方式通过卷积模块及转置卷积模块实现。

7.根据权利要求5所述的基于视频时间序列的导丝分割方法，其特征在于，所述通过上采样方式对所述RCNN模块及所述IR模块的深层信息及浅层信息通过跳跃连接方式自顶向下的方式进行融合包括：

将所述上采样方式得到深层网络信息与第一特征图的浅层网络信息进行融合，进而将融合的通过所述RCNN模块及所述IR模块进行卷积处理，循环此步骤直至收敛，得到所述第二特征图，并对所述第二特征图通过1x1的卷积核进行处理，进而通过Sigmoid激活层的处理，得到最终的分割结果。

8.一种基于视频时间序列的导丝分割装置，该装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7任一所述的方法步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一所述的方法步骤。