医学实例分割方法、计算机设备及可读存储介质

本申请属于医学图像处理，具体涉及一种医学实例分割方法、计算机设备及可读存储介质。

背景技术：

1、医学实例分割旨在定位、分类和描摹医学图像中的多个独立病变或解剖结构，是计算机辅助诊断、手术规划和随访监测的关键前提。然而，在资源受限的临床环境中直接部署高精度分割模型仍面临困难。

2、以分割一切模型（segment anything model，sam）为代表的基础分割模型展现了强视觉理解能力，而医学适配版本如医学分割一切模型（medical segment anythingmodel，medsam）和医学二维图像分割任意模型（segment anything model for medical 2dimages，sam-med2d）进一步从大规模医学数据中学习了跨模态结构知识，使其成为知识迁移的有前景的教师模型。

3、然而，这些基础模型依赖交互式提示（如点、框或掩码）进行实例定位，其原生解码器主要设计为单实例响应模式，即给定提示后输出单一的语义掩码，无法直接适用于多实例知识迁移场景。

4、因此，亟需一种能够将基础模型适配为多实例实例级迁移教师的方法，同时保证学生模型在推理时无需任何提示即可独立完成实例分割，以满足资源受限的临床部署需求。

技术实现思路

1、本申请实施例的目的是提供一种医学实例分割方法、计算机设备及可读存储介质，能够提高医学实例分割模型的适配性。

2、为了解决上述技术问题，本申请是这样实现的：

3、第一方面，本申请实施例提供了一种医学实例分割方法，该方法包括：

4、获取待分割的医学图像；

5、基于所述医学图像，调用轻量化学生模型，获得实例分割结果；

6、其中，所述轻量化学生模型通过教师模型蒸馏得到；所述教师模型包括教师适应模块，在训练阶段，所述教师模型通过所述教师适应模块基于位置提示执行实例级分割，并向所述轻量化学生模型提供实例级监督信号；所述轻量化学生模型在推理阶段无需位置提示。

7、第二方面，本申请实施例提供了一种计算机设备，该计算机设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

8、第三方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

9、第四方面，本申请实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的方法的步骤。

10、在本申请实施例中，通过教师适应模块将医学基础分割模型适配为多实例实例级迁移教师，解决了基础模型依赖交互式提示进行实例定位、原生解码器为单实例响应模式的技术问题。教师适应模块包括查询式实例解码器和可学习的位置提示机制，在训练阶段通过可学习的实例查询和匈牙利匹配建立显式的一对一实例对应关系，使教师模型能够提供精确的实例级监督信号；轻量化学生模型在推理阶段无需位置提示即可独立完成实例分割，大幅降低了临床部署成本，使其能够应用于资源受限的临床设备中。

1.一种医学实例分割方法，其特征在于，所述医学实例分割方法包括：

2.根据权利要求1所述的医学实例分割方法，其特征在于，所述教师适应模块包括查询式实例解码器和可学习的位置提示机制；所述查询式实例解码器通过一组可学习的实例查询将编码后的位置提示嵌入注入各实例查询，使各实例查询融合全局上下文信息与对应实例的空间先验，生成各实例的类别预测和掩码预测；所述可学习的位置提示机制基于训练标注的边界框生成所述位置提示嵌入。

3.根据权利要求2所述的医学实例分割方法，其特征在于，所述查询式实例解码器的具体实现包括：初始化个可学习实例查询，每个查询对应一个潜在实例；获取训练实例的归一化边界框，经正弦位置编码和可学习投影矩阵编码为提示嵌入，将所述提示嵌入累加到对应的实例查询上；在多层解码器的每一层中，依次通过自注意力、位置提示注入、与教师编码器特征的交叉注意力以及前馈网络对所述实例查询进行逐层更新；经过层迭代后，通过分类头得到类别预测，通过掩码头利用查询嵌入与教师编码器特征的点积得到掩码预测；教师预测通过匈牙利匹配与标注一一对应，为知识迁移提供实例级监督信号。

4.根据权利要求1所述的医学实例分割方法，其特征在于，所述医学实例分割方法还包括扩散显著性对准机制、不确定性校准迁移机制和尺度感知实例迁移机制；所述扩散显著性对准机制、不确定性校准迁移机制和尺度感知实例迁移机制之间形成闭环协作关系；所述闭环协作关系包括：

5.根据权利要求4所述的医学实例分割方法，其特征在于，所述扩散显著性对准机制包括：

6.根据权利要求4所述的医学实例分割方法，其特征在于，所述不确定性校准迁移机制包括：

7.根据权利要求4所述的医学实例分割方法，其特征在于，所述尺度感知实例迁移机制包括：

8.根据权利要求7所述的医学实例分割方法，其特征在于，采用熵正则化sinkhorn近似求解wasserstein距离：

9.一种计算机设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-8中任一项所述的医学实例分割方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-8中任一项所述的医学实例分割方法的步骤。