图像分割方法和装置与流程

1.本公开涉及图像处理技术领域，尤其涉及图像分割方法和图像分割装置。


背景技术：

2.卷积神经网络cnn作为当今绝大多数计算机视觉系统的核心技术,在图像分类领域做出了巨大贡献。最近，处理自然语言的transformers在基于视觉的研究应用中也得到了广泛的关注。背后的核心思想是应用self-attention机制来捕获长期依赖关系。与cnn(即convolutional neural networks)相比，transformers缓解了局部性的感应偏差，使其更有能力处理非局部性的相互作用。研究还发现，transformers的预测误差比cnn的预测误差更接近人类的预测误差。
3.鉴于transformers与cnn在图像处理领域的优势，有许多方法基于卷积神经网络或transformers建立医学图像分割模型。chen j首次提出transunet来探索transformers在医学图像分割中的潜力。transunet的整体架构类似于u-net，在u-net中，卷积神经网络充当特征提取器，而transformer帮助对全局上下文进行编码。然而，transunet及其大多数追随者只是将卷积神经网络视为主体，在主体之上进一步应用transformers来捕获长期依赖关系，由于卷积表示法通常包含精确的空间信息并提供分层概念，一层或两层的transformer不足以将长期依赖关系与卷积表示法结合在一起，从而导致transformer的优势没有得到充分发挥。为了解决上述问题，一些研究人员开始使用transformer作为分割模型的主干。swin-unet基于swin transformer利用分层transformer块在类似u-net的体系结构中构建编码器和解码器，实现了对transunet的改进，但没有探索如何适当地结合卷积和self-attention来建立一个最佳的医疗分割网络。


技术实现要素：

4.本公开提供了一种用于分割图像的方法、装置。
5.根据本公开的第一方面，提供了一种图像分割方法，包括：
6.s1：将需要分割的原始图像导入编码器，编码后获得n个第一预测结果；
7.s2：将n-1个第一预测结果一一对应分别导入n-1个多尺度特征迭代融合网络；
8.s3：将n个第一预测结果中的剩余一个第一预测结果导入所述第n-1个多尺度特征迭代融合网络；
9.s4：将所述第n-1个多尺度特征迭代融合网络的输出导入到第n-2个多尺度特征迭代融合网络；
10.s5：重复步骤s4，直至所述第二个多尺度特征迭代融合网络的输出导入到第一个多尺度特征迭代融合网络；
11.s6：将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果分别导入解码器，获得分割后的第二预测结果。
12.优选的，所述s1包括：
13.s101：将所述原始图像导入到n个编码器中的第一个编码器；
14.s102：将所述第一个编码器输出的第一个第一预测结果分别输出到第二个编码器和第一个多尺度特征迭代融合网络；
15.s103：依次重复步骤s102，直至所述第n-1个编码器输出的第n-1个第一预测结果分别输出到第n个编码器和第n-1个多尺度特征迭代融合网络；
16.s104：将所述第n个编码器的输出导入到所述解码器中。
17.优选的，所述s2～s5包括：
18.s201：将所述第一个编码器输出的第一个第一预测结果进行下采样后，输出至第一多通道注意力模块；
19.s202：将与所述第二个编码器对应的第二个多尺度特征迭代融合网络的输出，输出至第二多通道注意力模块；
20.s203：将所述第一多通道注意力模块的输出和所述第二多通道注意力模块的输出进行连接后，输出至第三多通道注意力模块；
21.s204：将所述第三多通道注意力模块的输出作为第一个多尺度特征迭代融合网络的输出；
22.s205：重复步骤s201～s204，直至获得所述n-1个多尺度特征迭代融合网络的各自的输出。
23.优选的，所述s6包括：
24.将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果一一对应的导入n个解码器，获得分割后的n个第二预测结果。
25.优选的，还包括：
26.s7：将第n个第一预测结果到第一个第一预测结果进行级联式特征提取，获得更加精准的分割后的第二预测结果。
27.根据本公开的第二方面，还提供一种图像分割装置，包括：
28.编码模块：用于将需要分割的原始图像导入编码器，编码后获得n个第一预测结果；
29.第一多尺度特征迭代融合模块：用于将n-1个第一预测结果一一对应分别导入n-1个多尺度特征迭代融合网络；
30.第二多尺度特征迭代融合模块：用于将n个第一预测结果中的剩余一个第一预测结果导入所述第n-1个多尺度特征迭代融合网络；
31.第三多尺度特征迭代融合模块：将所述第n-1个多尺度特征迭代融合网络的输出导入到第n-2个多尺度特征迭代融合网络；
32.第一重复模块：用于重复执行第三多尺度特征迭代融合模块，直至所述第二个多尺度特征迭代融合网络的输出导入到第一个多尺度特征迭代融合网络；
33.解码模块：用于将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果分别导入解码器，获得分割后的第二预测结果。
34.优选的，所述编码模块，包括：
35.导入模块：用于将所述原始图像导入到n个编码器中的第一个编码器；
36.第一输出模块：用于将所述第一个编码器输出的第一个第一预测结果分别输出到
第二个编码器和第一个多尺度特征迭代融合网络；
37.第二重复模块：用于依次重复执行第一输出模块，直至所述第n-1个编码器输出的第n-1个第一预测结果分别输出到第n个编码器和第n-1个多尺度特征迭代融合网络；
38.第二输出模块：用于将所述第n个编码器的输出导入到所述解码器中。
39.优选的，包括：
40.下采样模块：用于将所述第一个编码器输出的第一个第一预测结果进行下采样后，输出至第一多通道注意力模块；
41.第三输出模块：将与所述第二个编码器对应的第二个多尺度特征迭代融合网络的输出，输出至第二多通道注意力模块；
42.连接模块：用于将所述第一多通道注意力模块的输出和所述第二多通道注意力模块的输出进行连接后，输出至第三多通道注意力模块；
43.第四输出模块：将所述第三多通道注意力模块的输出作为第一个多尺度特征迭代融合网络的输出；
44.第三重复模块：重复执行下采样模块、第三输出模块、连接模块和第四输出模块，直至获得所述n-1个多尺度特征迭代融合网络的各自的输出。
45.优选的，所述解码模块，包括：
46.将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果一一对应的导入n个解码器，获得分割后的n个第二预测结果。
47.优选的，还包括：
48.级联模块：用于将第n个第一预测结果到第一个第一预测结果进行级联式特征提取，获得更加精准的分割后的第二预测结果。
49.有益效果：
50.(1)基于twins transformer块和之前提出的多尺度特征迭代融合ms-fif(multi-scale feature iterative fusion)模块，通过迭代融合不同尺度的特征，以获得更有意义的信息。
51.(2)构建级联式特征提取结构，由高至低逐层预测上一级的未正确预测对象，从而获得更加精细的目标。
52.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
53.附图用于更好地理解本方案，不构成对本公开的限定。其中：
54.图1是根据本公开图像分割方法的第一实施例的示意图；
55.图2是根据本公开将需要分割的原始图像导入编码器，编码后获得n个第一预测结果的示意图；
56.图3是根据本公开图像分割方法的第二实施例的示意图；
57.图4是根据本公开图像分割方法的第三实施例的示意图；
58.图5是图像分割装置的第一实施例示意图；
59.图6是编码模块的示意图；
60.图7是多尺度特征迭代融合结构的示意图；
61.图8是图像分割装置的第二实施例示意图；
62.图9是图像分割方法的实施图例；
63.图10是用来实现本公开实施例的图像分割方法的电子设备的框图。
64.附图标记说明：
65.5图像分割装置
66.501编码模块502第一多尺度特征迭代融合模块
67.503第二多尺度特征迭代融合模块
68.504第三多尺度特征迭代融合模块
69.505第一重复模块506解码模块
70.507级联模块
71.5011导入模块
ꢀꢀꢀꢀꢀꢀꢀꢀ
5012第一输出模块
72.5013第二重复模块
ꢀꢀꢀꢀ
5014第二输出模块
73.701下采样模块
ꢀꢀꢀꢀꢀꢀ
702第三输出模块
74.703连接模块
ꢀꢀꢀꢀꢀꢀꢀꢀ
704第四输出模块
75.705第三重复模块
具体实施方式
76.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
77.术语解释：
78.多尺度特征迭代融合网络：是指将多个特征图进行迭代融合，获得多尺度特征注意图的网络；本公开中，多尺度特征迭代融合网络是由多个多通道注意力模块，以及下采样模块构成；在申请公开号为：cn113076960a中有详细的说明。
79.多通道注意力模块：将输入的某一个图像分为两个通道进行特征提取，使用尺度不同的两个分支来提取通道注意力权重。其中一个分支提取局部特征的空间注意力，另一个分支使用gap(全局平均池化：globalavg pooling)均值化提取全局特征的通道注意力。
80.下采样模块：也可以称为降采样模块；目的是使得输入到多尺度特征迭代融合网络中的第k个特征图和第k 1个特征图的尺度相同。例如，第k个特征图的尺度为(h,w)，第k 1个特征图的尺度为(h/2，w/2)；将第k个特征图经过下采样模块后，则获得的特征图的尺度为(h/2，w/2)。
81.transformer：是自然语言处理中的一种方式，有望帮助非典型卷积神经网络(卷积网络)克服其固有的空间感应偏差的缺点；并且，放松了局部性的感应偏差，使其更有能力处理非局部性的相互作用。
82.本发明提出了一种基于自注意力和卷积组合的强大分割模型—nntwins(not-another twins)，将卷积和自注意力结合在一起，以充分发挥它们的优势。在多器官和心脏分割数据集上的大量实验表明，该方法具有良好的分割精度和较强的泛化能力。
83.如图1、图9所示，根据本公开的第一方面，提供了一种图像分割方法，包括：
84.s1：将需要分割的原始图像导入编码器，编码后获得n个第一预测结果；本公开中的编码器和常规的编码器的作用相同，即将输入的图像进行编码，以压缩图像对图像进行容量上的缩小。但是，本公开的编码器的结构不一样，并且输出的结果也不一样。在本实施例中，所述原始图像包括医学图像和其他非医学类图像。
85.s2：将n-1个第一预测结果一一对应分别导入n-1个多尺度特征迭代融合网络；
86.s3：将n个第一预测结果中的剩余一个第一预测结果导入所述第n-1个多尺度特征迭代融合网络；
87.s4：将所述第n-1个多尺度特征迭代融合网络的输出导入到第n-2个多尺度特征迭代融合网络；
88.s5：重复步骤s4，直至所述第二个多尺度特征迭代融合网络的输出导入到第一个多尺度特征迭代融合网络；
89.s6：将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果分别导入解码器，获得分割后的第二预测结果。解码器的transformer块的结构与编码器的结构高度对称。
90.如图2所示，优选的，所述s1包括：
91.s101：将所述原始图像导入到n个编码器中的第一个编码器；n个编码器中的每一个编码器都包括了：两个transformer编码器、一个patchembed和一个位置编码生成器(positional encoding generator)；所述位置编码生成器夹在两个transformer编码器中间，所述patchembed设置在两个transformer编码器之外；patchembed的作用类似于下采样模块，但是，除了包括将图像下采样以外，还包括将图像的通道数增加，即对输入特征(h/4
×
w/4
×
64)经过patchembed后变为(h/8
×
w/8
×
128)。
92.s102：将所述第一个编码器输出的第一个第一预测结果分别输出到第二个编码器和第一个多尺度特征迭代融合网络；
93.s103：依次重复步骤s102，直至所述第n-1个编码器输出的第n-1个第一预测结果分别输出到第n个编码器和第n-1个多尺度特征迭代融合网络；
94.s104：将所述第n个编码器的输出导入到所述解码器中。
95.如图3所示，优选的，所述s2～s5包括：
96.s201：将所述第一个编码器输出的第一个第一预测结果进行下采样后，输出至第一多通道注意力模块；
97.s202：将与所述第二个编码器对应的第二个多尺度特征迭代融合网络的输出，输出至第二多通道注意力模块；
98.s203：将所述第一多通道注意力模块的输出和所述第二多通道注意力模块的输出进行连接后，输出至第三多通道注意力模块；
99.s204：将所述第三多通道注意力模块的输出作为第一个多尺度特征迭代融合网络的输出；
100.s205：重复步骤s201～s204，直至获得所述n-1个多尺度特征迭代融合网络的各自的输出。
101.优选的，所述s6包括：
102.将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果一一对应的导入n个解码器，获得分割后的n个第二预测结果。
103.如图4所示，优选的，还包括：
104.s7：将第n个第一预测结果到第一个第一预测结果进行级联式特征提取，获得更加精准的分割后的第二预测结果。
105.如图5所示，根据本公开的第二方面，还提供一种图像分割装置5，包括：
106.编码模块501：用于将需要分割的原始图像导入编码器，编码后获得n个第一预测结果；
107.第一多尺度特征迭代融合模块502：用于将n-1个第一预测结果一一对应分别导入n-1个多尺度特征迭代融合网络；
108.第二多尺度特征迭代融合模块503：用于将n个第一预测结果中的剩余一个第一预测结果导入所述第n-1个多尺度特征迭代融合网络；
109.第三多尺度特征迭代融合模块504：将所述第n-1个多尺度特征迭代融合网络的输出导入到第n-2个多尺度特征迭代融合网络；
110.第一重复模块505：用于重复执行第三多尺度特征迭代融合模块，直至所述第二个多尺度特征迭代融合网络的输出导入到第一个多尺度特征迭代融合网络；
111.解码模块506：用于将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果分别导入解码器，获得分割后的第二预测结果。
112.如图6所示，优选的，所述编码模块501，包括：
113.导入模块5011：用于将所述原始图像导入到n个编码器中的第一个编码器；
114.第一输出模块5012：用于将所述第一个编码器输出的第一个第一预测结果分别输出到第二个编码器和第一个多尺度特征迭代融合网络；
115.第二重复模块5013：用于依次重复执行第一输出模块，直至所述第n-1个编码器输出的第n-1个第一预测结果分别输出到第n个编码器和第n-1个多尺度特征迭代融合网络；
116.第二输出模块5014：用于将所述第n个编码器的输出导入到所述解码器中。
117.如图7所示，优选的，多尺度特征迭代融合结构7，包括：
118.下采样模块701：用于将所述第一个编码器输出的第一个第一预测结果进行下采样后，输出至第一多通道注意力模块；
119.第三输出模块702：将与所述第二个编码器对应的第二个多尺度特征迭代融合网络的输出，输出至第二多通道注意力模块；
120.连接模块703：用于将所述第一多通道注意力模块的输出和所述第二多通道注意力模块的输出进行连接后，输出至第三多通道注意力模块；
121.第四输出模块704：将所述第三多通道注意力模块的输出作为第一个多尺度特征迭代融合网络的输出；
122.第三重复模块705：重复执行下采样模块、第三输出模块、连接模块和第四输出模块，直至获得所述n-1个多尺度特征迭代融合网络的各自的输出。
123.优选的，所述解码模块，包括：
124.将所述n-1个多尺度特征迭代融合网络的输出，以及所述第n个第一预测结果一一对应导入n个解码器，获得分割后的n个第二预测结果。
125.如图8所示，优选的，还包括：
126.级联模块507：用于将第n个第一预测结果到第一个第一预测结果进行级联式特征提取，获得更加精准的分割后的第二预测结果。
127.如图9所示，输入input是原始图像，输入到4个编码器(twins encoder)中，4个编码器的上面3个编码器的输出分别导入到多尺度特征迭代融合网络(ms-fif)中，并且，上面3个编码器中的每个编码器按顺序输出还依次导入到下一个编码器中，直到第三个编码器的输出导入到第四个编码器中；上面三个编码器的输出f1、f2、f3导入到多尺度特征迭代融合网络中，第四个编码器的输出f4直接导入到解码器(twins decoder)中。3个多尺度特征迭代融合网络的输出还导入到3个解码器中。3个多尺度特征迭代融合网络的各自的输入，包括f1、f2、f3、f4，还包括第二个多尺度特征迭代融合网络和第三个多尺度特征迭代融合网络的输出。解码器的输出包括f1、f2、f3、f4。将f1、f2、f3、f4进行级联式特征提取，获得更加精准的分割后的第二预测结果。输出的prediction，则是第二预测结果；所述分割后的第二预测结果，就是模型最终的预测结果。。
128.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
129.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
130.图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
131.如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
132.设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
133.计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如方法xxx。例如，在一些实施例中，方法xxx可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由rom 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加
载到ram 1003并由计算单元1001执行时，可以执行上文描述的方法xxx的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法xxx。
134.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
135.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
136.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
137.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
138.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
139.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计
算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
140.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
141.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。