图像分割、模型的训练方法、装置、电子设备及存储介质与流程

技术特征：
1.一种图像分割方法，其特征在于，包括：获取第一图像和第二图像，所述第一图像和所述第二图像为对同一对象采集的图像；将所述第一图像和所述第二图像输入至经过预训练的配准模型，采用所述配准模型对所述第一图像和所述第二图像进行配准，得到配准形变场；基于所述配准形变场和所述第二图像对应的分割模型，通过计算得到所述第一图像的分割模型，其中，所述第二图像对应的分割模型是预先获取的。2.根据权利要求1所述的方法，其特征在于，所述将所述第一图像和所述第二图像输入至经过预训练的配准模型，包括：分别对所述第一图像和所述第二图像进行预处理，将经过预处理的所述第一图像和所述第二图像输入至经过预训练的配准模型。3.根据权利要求1所述的方法，其特征在于，所述配准模型包括第一配准模型和第二配准模型，所述采用所述配准模型对所述第一图像和所述第二图像进行配准，得到配准形变场，包括：通过第一配准模型对所述第一图像和所述第二图像进行配准，得到第一配准形变场；基于所述第一配准形变场，通过第二配准模型对所述第一图像和所述第二图像进行配准，得到第二配准形变场；对所述第一配准形变场和所述第二配准形变场进行合并操作，获得所述配准形变场。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一配准形变场，通过第二配准模型对所述第一图像和所述第二图像进行配准，得到第二配准形变场，包括：对所述第一配准形变场与所述第二图像进行点积运算，获得第三图像；通过第二配准模型对所述第一图像和所述第三图像进行配准，得到所述第二配准形变场。5.根据权利要求1所述的方法，其特征在于，所述基于所述配准形变场和所述第二图像对应的分割模型，通过计算得到所述第一图像的分割模型，包括：对所述配准形变场与所述第二图像对应的分割模型进行点积运算，得到所述第一图像的分割模型。6.一种模型的训练方法，其特征在于，包括：获取样本图像，所述样本图像包括第一样本图像和第二样本图像，其中，所述第一样本图像和所述第二样本图像为对同一对象采集的图像；基于所述第一样本图像和所述第二样本图像对神经网络进行训练，以得到能够对所述第一样本图像和所述第二样本图像进行配准的配准模型。7.根据权利要求6所述的方法，其特征在于，还包括：根据所述配准模型输出的配准形变场、所述第一样本图像和所述第二样本图像计算损失函数值，根据所述损失函数值更新所述配准模型的参数。8.根据权利要求6所述的方法，其特征在于，所述神经网络包括第一神经网络和第二神经网络，所述配准模型包括第一配准模型和第二配准模型；所述基于所述第一样本图像和所述第二样本图像对神经网络进行训练，以得到能够对所述第一样本图像和所述第二样本图像进行配准的配准模型，包括：
基于所述第一样本图像和所述第二样本图像对所述第一神经网络进行训练，以得到能够对所述第一样本图像和所述第二样本图像进行配准的所述第一配准模型；对所述第一配准模型输出的第一配准形变场和所述第二样本图像进行点积运算，得到第三样本图像；基于所述第一样本图像和所述第三样本图像对第二神经网络进行训练，以得到能够对所述第一样本图像和所述第三样本图像进行配准的所述第二配准模型。9.根据权利要求8所述的方法，其特征在于，所述基于所述第一样本图像和所述第二样本图像对所述第一神经网络进行训练，以得到能够对所述第一样本图像和所述第二样本图像进行配准的所述第一配准模型，包括：将所述第一样本图像和所述第二样本图像输入至所述第一神经网络，经由所述第一神经网络输出第一配准形变场；基于所述第一配准形变场、所述第一样本图像和所述第二样本图像，通过互信息计算，得到相似度数值；根据所述相似度数值更新所述第一神经网络的参数，其中，所述第一神经网络为残差网络。10.根据权利要求8所述的方法，其特征在于，所述基于所述第一样本图像和所述第三样本图像对第二神经网络进行训练，以得到能够对所述第一样本图像和所述第三样本图像进行配准的所述第二配准模型，包括：将所述第一样本图像和所述第三样本图像输入至所述第二神经网络，经由所述第二神经网络输出第二配准形变场；基于所述第二配准形变场、所述第三样本图像和所述第一样本图像计算损失函数值，根据所述损失函数值更新所述第二神经网络，其中，所述第二神经网络为深度卷积神经网络。11.一种图像分割装置，其特征在于，包括：获取模块，被配置为获取第一图像和第二图像，所述第一图像和所述第二图像为对同一对象采集的图像；配准模块，被配置为将所述第一图像和所述第二图像输入至经过预训练的配准模型，采用所述配准模型对所述第一图像和所述第二图像进行配准，得到配准形变场；分割模块，被配置为基于所述配准形变场和所述第二图像对应的分割模型，通过计算得到所述第一图像的分割模型，其中，所述第二图像对应的分割模型是预先获取的。12.一种模型的训练装置，其特征在于，包括：样本获取模块，被配置为获取样本图像，所述样本图像包括第一样本图像和第二样本图像，其中，所述第一样本图像和所述第二样本图像为对同一对象采集的图像；模型训练模块，被配置为基于所述第一样本图像和所述第二样本图像对神经网络进行训练，以得到能够对所述第一样本图像和所述第二样本图像进行配准的配准模型。13.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至5任一项所述的图像分割方法，和/或用于执行上述权利要求6至10任一项所述的模型训练方法。14.一种电子设备，其特征在于，包括：
处理器；用于存储所述处理器可执行指令的存储器，其中，所述处理器用于执行上述权利要求1至5任一项所述的图像分割方法，和/或用于执行上述权利要求6至10任一项所述的模型训练方法。

技术总结
本申请提供了一种图像分割、模型的训练方法、装置、电子设备及存储介质，通过配准模型将从同一对象采集的第一图像和第二图像进行配准，以得到配准形变场，再将配准形变场与预先获取的第二图像的分割模型进行计算，以得到待分割的第一图像的分割模型，能够实现对于组织分辨率较低的第一图像的分割识别，相比于采用有监督分割网络方式需要大量人工标注费时费力的情况，本申请提供的图像分割方法能够快速得到准确度较高的对于第一图像的分割图像。得到准确度较高的对于第一图像的分割图像。得到准确度较高的对于第一图像的分割图像。


技术研发人员：刘泽庆 黄文豪 张欢 陈宽 王少康
受保护的技术使用者：推想医疗科技股份有限公司
技术研发日：2022.08.25
技术公布日：2022/11/18