科创中国

本发明公开了一种图像分割方法、装置、电子设备及存储介质。其中，该方法包括：获取待分割图像与待分割图像对应的第一指示信息，其中，第一指示信息用于指示待分割图像的待分割对象对应的类别，待分割图像包括多个类别的待分割对象；基于待分割图像、第一指示信息以及预先训练的图像分割模型，得到与待分割对象对应的目标分割图像；其中，图像分割模型基于样本分割图像以及与样本分割图像对应的第二指示信息，采用半监督学习的方式对初始分割模型训练得到，第二指示信息用于指示样本分割图像的样本分割对象。能够基于较少的有标签数据训练得到精准度更高的图像分割模型，且能够对包括多个待分割对象的待分割图像的分割精准度，适用性广。

1.一种图像分割方法，其特征在于，包括： 获取待分割图像与所述待分割图像对应的第一指示信息，其中，所述第一指示信息用于指示所述待分割图像的待分割对象对应的类别，所述待分割图像包括多个类别的待分割对象； 基于所述待分割图像、所述第一指示信息以及预先训练的图像分割模型，得到与所述待分割对象对应的目标分割图像； 其中，所述图像分割模型基于样本分割图像以及与所述样本分割图像对应的第二指示信息，采用半监督学习的方式对初始分割模型训练得到，所述第二指示信息用于指示所述样本分割图像的样本分割对象。 2.根据权利要求1所述的方法，其特征在于，所述图像分割模型包括第一子模型和第二子模型； 所述基于所述待分割图像、所述第一指示信息以及预先训练的图像分割模型，生成与所述待分割对象对应的目标分割图像，包括： 将所述第一指示信息输入至预先训练的图像分割模型的第一子模型，得到所述图像分割模型的第二子模型的初始网络参数，其中，所述初始网络参数至少包括初始权重和偏移值；

目前，通过训练神经网络模型对图像进行分割的方法已经得到了广泛应用。但在医疗领域，通过训练神经网络模型对多器官图像进行分割的方法具有一定的局限性。例如，在医学图像中存在某一器官分割标签不足，所有的器官都没有呈现在一张图上等训练样本参差不齐等问题。

相关技术中，采用神经网络所获取的分割模型精度较差，所获取的目标分割图像精准度较低。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明实施例的技术方案，通过获取待分割图像与所述待分割图像对应的第一指示信息，其中，所述第一指示信息用于指示所述待分割图像的待分割对象，在包括多个待分割对象的所述待分割图像中，能够指示出当前的待分割对象，为模型对待分割对象的精准分割提供了依据；基于所述待分割图像、所述第一指示信息以及预先训练的图像分割模型，得到与所述待分割对象对应的目标分割图像；其中，所述图像分割模型基于样本分割图像以及与所述样本分割图像对应的第二指示信息，采用半监督学习的方式对初始分割模型训练得到，所述第二指示信息用于指示所述样本分割图像的样本分割对象，采用半监督学习的方式能够基于较少的有标签数据训练得到精准度更高的图像分割模型，该技术方案能够适用于各种应用场景下的图像分割，且能够提高图像分割的精确度。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术合作

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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。