图像分割方法、装置、计算机设备和存储介质与流程

本技术涉及图像处理，特别是涉及一种图像分割方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、血管内超声成像(intravascular ultrasound，ivus)作为一种血管内组织结构的高效探查技术，由于其可提供高时空分辨率的血管横截面信息，已被广泛视作冠状动脉粥样硬化疾病和血管病变的诊断金标准。通过ivus图像观察血管内组织，可识别出不同类型的斑块，并通过相关参数评估斑块的严重程度与易损性，进而对相关心血管疾病实现辅助诊断。然而，传统图像分割方法往往依赖操作对象手动勾画出斑块，耗时较长，对操作对象的经验有一定要求，并且，斑块组织在每帧图像中的大小不一。因此，亟需一种能够对图像精准分割的图像分割方法。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够对图像精准分割的图像分割方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种图像分割方法，包括：

3、获取包括多个图像帧的图像帧序列；

4、针对当前图像帧，采用分类模型对当前图像帧进行分类，确定当前图像帧对应的当前分类结果；

5、在当前分类结果指示当前图像帧中存在目标区域的情况下，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，并将当前图像帧的下一图像帧作为当前图像帧，继续执行采用分类模型对当前图像帧进行分类的步骤，直至遍历所有图像帧。

6、在其中一个实施例中，图像分割方法还包括：

7、确定在前图像帧对应的在前分类结果，在在前分类结果指示在前图像帧不存在目标区域的情况下，根据当前图像帧对应的当前分割结果，重新确定在前图像帧对应的在前分类结果；

8、在重新确定的在前分类结果指示在前图像帧中存在目标区域的情况下，采用区域分割模型对在前图像帧进行分割，得到在前图像帧对应的分割结果。

9、在其中一个实施例中，根据当前图像帧对应的当前分割结果，重新确定在前图像帧对应的在前分类结果，包括：

10、根据当前图像帧对应的当前分割结果，在当前图像帧中确定出当前分割区域；

11、在在前图像帧中确定出与当前分割区域处于相同位置的区域作为在前区域；

12、确定当前分割区域中像素点的当前像素平均值和在前区域中像素点的在前像素平均值；

13、在当前像素平均值和在前像素平均值的比值处于预设比值区域的情况下，确定在前图像帧对应的在前分类结果为存在目标区域。

14、在其中一个实施例中，分类模型的训练方法包括：

15、获取第一图像样本和分类标签，分类标签用于指示第一图像样本中是否存在目标区域；

16、将第一图像样本输入初始分类模型，得到第一图像样本对应的预测分类结果；

17、根据分类标签和预测分类结果，计算分类损失；

18、根据分类损失对初始分类模型的模型参数进行更新，直至分类损失满足第一停止条件，得到分类模型。

19、在其中一个实施例中，将第一图像样本输入初始分类模型，得到第一图像样本对应的预测分类结果，包括：

20、对第一图像样本进行特征提取，得到初始特征图；

21、采用多个具有不同大小卷积核的卷积层分别对初始特征图进行卷积处理，得到多个中间特征图；

22、采用残差层对多个中间特征图分别进行残差处理，得到多个中间特征图各自对应的残差处理结果；

23、将所有残差处理结果进行拼接，得到拼接特征图；

24、对拼接特征图进行降采样、分类处理，得到第一图像样本对应的预测分类结果。

25、在其中一个实施例中，残差层包括卷积块和残差块；采用残差层对多个中间特征图分别进行残差处理，得到多个中间特征图各自对应的残差处理结果，包括：

26、针对每个中间特征图，采用卷积块依次对中间特征图进行卷积处理、批次标准化处理和激活处理，得到中间特征图对应的卷积块处理结果；

27、采用残差块依次对卷积块处理结果进行卷积处理和批次标准化处理，得到中间处理结果；

28、对中间处理结果和中间特征图进行加权求和；将加权求和后的结果进行激活处理，得到的激活处理结果作为中间特征图对应的残差处理结果。

29、在其中一个实施例中，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，包括：

30、采用区域分割模型的定位层对当前图像帧进行目标定位，得到定位图像；

31、根据定位图像中的定位区域位置，对当前图像帧进行裁剪，得到定位区域图像；

32、采用区域分割模型的分割层对定位区域图像进行分割，得到当前图像帧对应的当前分割结果。

33、在其中一个实施例中，区域分割模型的训练步骤，包括：

34、获取第二图像样本和轮廓标签，轮廓标签用于指示第二图像样本中的目标区域；

35、将第二图像样本输入初始分割模型的定位层，得到预测定位图像；基于预测定位图像和轮廓标签，计算定位损失；

36、根据预测定位图像中的预测定位区域位置对第二图像样本进行裁剪，得到定位图像；

37、采用初始分割模型的分割层对定位图像进行分割，得到预测分割图像；基于预测分割图像和轮廓标签，计算分割损失；

38、将定位损失和分割损失加权求和，得到总损失；基于总损失对初始分割模型的模型参数进行更新，直至总损失满足第二停止条件，得到区域分割模型。

39、第二方面，本技术还提供了一种图像分割装置，包括：

40、获取模块，用于获取包括多个图像帧的图像帧序列；

41、分类模块，用于针对当前图像帧，采用分类模型对当前图像帧进行分类，确定当前图像帧对应的当前分类结果；

42、分割模块，用于在当前分类结果指示当前图像帧中存在目标区域的情况下，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，并将当前图像帧的下一图像帧作为当前图像帧，继续执行采用分类模型对当前图像帧进行分类的步骤，直至遍历所有图像帧。

43、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

44、获取包括多个图像帧的图像帧序列；

45、针对当前图像帧，采用分类模型对当前图像帧进行分类，确定当前图像帧对应的当前分类结果；

46、在当前分类结果指示当前图像帧中存在目标区域的情况下，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，并将当前图像帧的下一图像帧作为当前图像帧，继续执行采用分类模型对当前图像帧进行分类的步骤，直至遍历所有图像帧。

47、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

48、获取包括多个图像帧的图像帧序列；

49、针对当前图像帧，采用分类模型对当前图像帧进行分类，确定当前图像帧对应的当前分类结果；

50、在当前分类结果指示当前图像帧中存在目标区域的情况下，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，并将当前图像帧的下一图像帧作为当前图像帧，继续执行采用分类模型对当前图像帧进行分类的步骤，直至遍历所有图像帧。

51、第五方面，本技术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以下步骤：

52、获取包括多个图像帧的图像帧序列；

53、针对当前图像帧，采用分类模型对当前图像帧进行分类，确定当前图像帧对应的当前分类结果；

54、在当前分类结果指示当前图像帧中存在目标区域的情况下，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，并将当前图像帧的下一图像帧作为当前图像帧，继续执行采用分类模型对当前图像帧进行分类的步骤，直至遍历所有图像帧。

55、上述图像分割方法、装置、计算机设备、存储介质和计算机程序产品，通过获取包括多个图像帧的图像帧序列，针对当前图像帧，采用分类模型对当前图像帧进行分类，确定当前图像帧对应的当前分类结果，在当前分类结果指示当前图像帧中存在目标区域的情况下，采用区域分割模型对当前图像帧进行分割，得到当前图像帧对应的当前分割结果，并将当前图像帧的下一图像帧作为当前图像帧，继续执行采用分类模型对当前图像帧进行分类的步骤，直至遍历所有图像帧。上述方案通过分类模型对图像帧序列中的图像帧先进行分类，在分类结果指示存在目标区域的情况下，再采用区域分割模型对存在目标区域的图像帧进行分割，有利于对图像进行精准分割。