(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210808285.6 (22)申请日 2022.07.07 (71)申请人 湖北大学 地址 430000 湖北省武汉市武昌区友谊大 道368号 (72)发明人 许立君　王达　陈侃松　黎辉　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 专利代理师 万畅 (51)Int.Cl. G06T 7/11(2017.01) G06T 7/187(2017.01) G06T 7/33(2017.01) G06T 7/00(2017.01) G06V 10/25(2022.01)G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/75(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于U型孪生网络的图像分割方法、 装 置 (57)摘要 本发明涉及一种基于U 型孪生网络的图像 分 割方法及装置， 其方法包括： 获取待分割的目标 图像， 其中目标图像为慢性脑中风影像图像； 构 建并训练基于脑组织的形态学结构和机器学习 的分割模型， 利用训练完成的分割模 型对所述目 标图像进行脑组织区域分割； 利用训练完成的深 度孪生网络， 对脑组织区域分割后的目标图像进 行病灶分割。 本发明通过深度孪生网络模型与机 器学习分阶段处理病灶图像， 并将脑组织的形态 学中正常图像与病变图像的区别作为特征训练 识别模型， 从而提高了识别模型的鲁棒性和准确 性。 权利要求书2页 说明书7页 附图3页 CN 115239743 A 2022.10.25 CN 115239743 A 1.一种基于U型孪生网络的图像分割方法， 其特 征在于， 包括： 获取待分割的目标图像， 其中目标图像为慢性脑中风影 像图像； 构建并训练基于脑组织的形态学结构和机器学习的分割 模型， 利用训练完成的分割 模 型对所述目标图像进行脑组织区域分割； 利用训练完成的深度孪生网络， 对脑组织区域分割后的目标图像进行病灶分割。 2.根据权利要求1所述的基于U型孪生网络的图像分割方法， 其特征在于， 所述训练完 成的分割模型通过如下步骤训练： 获取多张脑组织图像， 将其中未标注的脑 组织图像和已标注好的图谱分别作为样本和 标签， 构建数据集； 其中已标注好的图谱至少包括一张未标注的脑组织图像， 及其对应的已 标注或已分割脑组织区域的标签图像； 在每轮训练中， 将样本 图像与对应的图谱配准， 并根据每张图谱图像与目标图像的相 似度、 目标组织的形态特征和目标组织的空间特性来计算出标签图像传递的置信度， 并根 据其提取目标组织形态学 特征向量； 计算所述目标组织形态学 特征向量的模； 遍历数据集中的所有样本图像， 直至所述目标组织形态学特征向量的模达到预设条 件， 得到训练完成的 的分割模型。 3.根据权利要求2所述的基于U型孪生网络的图像分割方法， 其特征在于， 所述根据每 张图谱图像与目标图像的相似度、 目标 组织的形态特征和目标 组织的空间特性来计算出标 签图像传递的置信度包括： 计算目标图像与每张图谱图像中每个体素的距离相似度和灰度相似度， 并根据其计算 目标图像与每张图谱图像的图像相似度； 基于所述目标图像与每张图谱图像的图像相似度， 计算目标图像与 所有图谱图像的置 信度矩阵。 4.根据权利要求1所述的基于U型孪生网络的图像分割方法， 其特征在于， 所述深度孪 生网络通过如下步骤训练： 获取多张脑组织图像， 将其中的正常图像和病变图像作为样本， 每张正常图像与其对 应的病变图像之间的差异信息作为标签构建训练数据集； 利用所述训练数据集训练深度孪生U型网络， 直至其误差低于阈值且趋于稳定， 得到训 练完成的深度孪生U型网络 。 5.根据权利要求4所述的基于U型孪生网络的图像分割方法， 其特征在于， 所述获取多 张脑组织图像， 将其中的正常图像和病变图像作为样本， 每张正常图像与其对应的病变图 像之间的差异信息作为标签构建训练数据集包括： 确定样本图像的扫描规则， 并根据其从脑 组织图像数据库中选择一张或多 张正常图像 作为标准模板； 将每张正常图像与一个或多个病变图像进行匹配， 得到每张正常图像与其对应的病变 图像之间的差异信息 。 6.根据权利要求1至5任一项所述的基于U型孪生网络的图像分割方法， 其特征在于， 还 包括： 将病灶分割后的目标图像根据病情演化或人工经验 对所述深度孪生网络进行优化。 7.一种基于U型孪生网络的图像分割装置， 其特 征在于， 包括： 获取模块， 用于获取待分割的目标图像， 其中目标图像为慢性脑中风影 像图像；权　利　要　求　书 1/2 页 2 CN 115239743 A 2第一分割模块， 用于构建并训练基于脑组织的形态学结构和机器学习的分割模型， 利 用训练完成的分割模型对所述目标图像进行脑组织区域分割； 第二分割模块， 用于利用训练完成的深度孪生网络， 对脑组织区域分割后的目标图像 进行病灶分割。 8.根据权利要求7所述的基于U型孪生网络的图像分割装置， 其特征在于， 所述第一分 割模块包括： 获取单元， 用于获取多张脑组织图像， 将其中未标注的脑组织图像和已标注好的图谱 分别作为样本和标签， 构建数据集； 其中已标注好的图谱至少包括一张未标注的脑组织图 像， 及其对应的已标注或已分割脑组织区域的标签图像； 计算单元， 用于在每轮训练中， 将样本图像与对应的图谱配准， 并根据每张图谱图像与 目标图像的相似度、 目标组织的形态特征和目标 组织的空间特性来计算出标签图像传递的 置信度， 并根据其 提取目标组织形态学 特征向量； 计算所述目标组织形态学 特征向量的模； 遍历模块， 用于遍历数据集中的所有样本 图像， 直至所述目标组织形态学特征向量的 模达到预设条件， 得到训练完成的 的分割模型。 9.一种电子设备， 包括： 一个或多个处理器； 存储装置， 用于存储一个或多个程序， 当所 述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实现如权利 要求1至6任一项所述的基于U型孪生网络的图像分割方法。 10.一种计算机可读介质， 其上存储有计算机程序， 其中， 所述计算机程序被处理器执 行时实现如权利要求1至 6任一项所述的基于U型孪生网络的图像分割方法。权　利　要　求　书 2/2 页 3 CN 115239743 A 3