分割方法、装置、设备以及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110136135A(43)申请公布日2019.08.16(21)申请号201910413534.X(22)申请日2019.05.17(71)申请人深圳大学地址518060广东省深圳市南山区南海大道3688号(72)发明人刘泽雄杨烜裴继红杨博乾(74)专利代理机构深圳市恒申知识产权事务所(普通合伙)44312代理人袁文英(51)Int.Cl.G06T7/10(2017.01)G06N3/04(2006.01)权利要求书2页说明书10页附图5页(54)发明名称分割方法、装置、设备以及存储介质(57)摘要本发明提供一种分割方法、装置、设备以及存储介质，该方法包括接收待分割的心脏图像；利用已训练的层次残差神经网络对待分割的心脏图像进行处理，其中，层次残差神经网络包括：至少一个残差层和至少一个全卷积层，至少一个残差层用于对图像训练集进行编码处理，至少一个全卷积层用于对残差层输出的编码图像进行解码处理，以输出待分割的心脏图像的分割决策值；根据分割决策值确定心脏图像中右心室的轮廓图。本方法利用层次残差神经网络的编码-解码结构确定心脏图像中右心室的轮廓图，解决了心脏图像存在的右心室边界模糊的问题，可以准确勾勒出右心室边界轮廓。CN110136135ACN110136135A权利要求书1/2页1.一种分割方法，其特征在于，包括：接收待分割的心脏图像；利用已训练的层次残差神经网络对所述待分割的心脏图像进行处理，其中，所述层次残差神经网络包括：至少一个残差层和至少一个全卷积层，所述至少一个残差层用于对所述图像训练集进行编码处理，所述至少一个全卷积层用于对所述残差层输出的编码图像进行解码处理，以输出所述待分割的心脏图像的分割决策值；根据所述分割决策值确定所述心脏图像中右心室的轮廓图。2.根据权利要求1所述的方法，其特征在于，在所述利用已训练的层次残差神经网络对所述待分割的心脏图像进行处理，之前还包括：接收图像训练集；其中，所述图像训练集包括：心脏图像和所述心脏图像中右心室的初始轮廓图；构建所述层次残差神经网络；利用所述图像训练集对所述层次残差神经网络进行训练，以输出所述训练图像的分割决策值；利用所述分割决策值计算网络损失函数，根据所述损失函数对所述层次残差神经的网络参数进行调整，以输出已训练的层次残差神经。3.根据权利要求2所述的方法，其特征在于，所述至少一个残差层之间通过下采样级联，所述至少一个全卷积层之间通过上采样级联；位于上一级的所述全卷积层的输出数据和位于同一级的所述残差层的输出数据为所述全卷积层的输入。4.根据权利要求3所述的方法，其特征在于，所述残差层包括至少一个残差块，其中，所述至少一个残差块之间级联。5.根据权利要求2所述的方法，其特征在于，所述全卷积层包括至少一个卷积层，其中，所述至少一个卷积层之间级联。6.根据权利要求2所述的方法，其特征在于，所述根据所述分割决策值确定所述心脏图像中右心室的轮廓图，具体包括：根据所述分割决策值确定分割概率值；根据所述分割概率值所述心脏图像中右心室的轮廓图。7.根据权利要求2所述的方法，其特征在于，所述根据所述分割决策值计算网络损失函数，根据所述损失函数对所述层次残差神经的网络参数进行调整，以输出已训练的层次残差神经，具体包括：根据所述分割决策值计算具有形状约束的网络损失函数；根据所述损失函数对所述层次残差神经的网络参数进行调整，以输出已训练的层次残差神经。8.一种分割装置，其特征在于，所述装置包括：接收模块，用于接收待分割的心脏图像，处理模块，用于利用已训练的层次残差神经网络对所述待分割的心脏图像进行处理，其中，所述层次残差神经网络包括：至少一个残差层和至少一个全卷积层，所述至少一个残差层用于对所述图像训练集进行编码处理，所述至少一个全卷积层用于对所述残差层输出的编码图像进行解码处理，以输出所述待分割的心脏图像的分割决策值；2CN110136135A权利要求书2/2页确定模块，用于根据所述分割决策值确定所述心脏图像中右心室的轮廓图。9.一种电子设备，其特征在于，包括：至少一个处理器和存储器；其中，所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的分割方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的分割方法。3CN110136135A说明书1/10页分割方法、装置、设备以及存储介质技术领域[0001]本发明涉及图像处理技术领域，尤其涉及一种分割方法、装置、设备以及存储介质。背景技术[0002]心脏分割是指利用图像技术从通过电