(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210702058.5 (22)申请日 2022.06.21 (65)同一申请的已公布的文献号 申请公布号 CN 114782440 A (43)申请公布日 2022.07.22 (73)专利权人 杭州三坛医疗科技有限公司 地址 310030 浙江省杭州市西湖区三墩镇 西园九路8号3幢E座7楼701室 (72)发明人 李明　周迪斌　张梦斯　沈丽萍　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 梁军丽 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01)G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 审查员 郑岩 (54)发明名称 医学图像分割方法及电子设备 (57)摘要 本申请涉及医学影像领域， 提供一种医学图 像分割方法及电子设备。 所述方法包括： 获取待 分割医学图像； 输入待分割医学图像至医学图像 分割网络， 获得医学图像分割图； 其中， 医学图像 分割网络包括： 主编码网络、 主 解码网络、 子编码 网络和子解码网络； 子编码网络对待分割医学图 像进行特征提取得到子网图像提取特征， 并融合 主网图像提取特征以及子网图像提取特征， 得到 融合图像特征； 子解码网络根据融合图像特征和 子网图像提取特征， 得到子网图像上采样特征； 主解码网络根据主网图像上采样特征和子网图 像上采样特征得到医学图像分割图。 本申请实施 例提供的医学图像分割方法可以提升医学图像 分割网络 输出的医学图像分割图的分割精度。 权利要求书3页 说明书15页 附图4页 CN 114782440 B 2022.10.14 CN 114782440 B 1.一种医学图像分割方法， 其特 征在于， 包括： 获取待分割医学图像； 输入所述待分割医学图像至医学图像分割网络， 获得所述医学图像分割网络输出的医 学图像分割图； 其中， 所述医学图像分割网络包括： 主编码网络、 主解码网络、 子编码网络和子解码网 络； 所述主编码网络用于对所述待分割医学图像进行卷积和池化， 得到主网图像提取特 征； 所述子编码网络用于对所述待分割医学图像进行残差卷积和步长为2 的卷积， 得到子 网图像提取特征， 并对所述主网图像提取特征以及所述子网图像提取特征进行特征融合， 得到融合图像特 征； 所述子解码网络用于根据所述融合图像特征对所述子网图像提取特征进行上采样， 得 到子网图像上采样特 征； 所述主解码网络用于对所述主网图像提取特征进行上采样， 得到主网图像上采样特 征， 并根据所述主网图像上采样特征和所述子网图像上采样特征， 得到所述医学图像分割 图； 所述医学图像分割网络， 还 包括： 注意力门网络； 所述注意力门网络用于根据所述子网图像上采样特征和所述主网图像上采样特征得 到注意力强化图像特 征， 并将所述注意力强化图像特 征输入至所述主解码网络； 所述主解码网络还用于根据所述注意力强化图像特征与所述主网图像上采样特征得 到所述医学图像分割图； 所述注意力门网络还用于对第j+2层主网图像上采样特征和第j+3层主网图像上采样 特征分别进 行上采样， 并对 上采样后的第 j+2层主网图像上采样特征和上采样后的第 j+3层 主网图像上采样特征进行通道拼接， 得到非邻层图像特征； 以及用于根据所述非邻层图像 特征、 当前层的子网图像上采样特征和当前层的主网图像上采样特征， 得到所述注意力强 化图像特 征， 并将所述注意力强化图像特 征输入至所述主解码网络； 其中， 当前层为第j层， j∈{1, ⋯,N‑3}， N为所述主编码网络的层数且N 为大于3的整数。 2.根据权利要求1所述的医学图像分割方法， 其特 征在于， 所述主编码网络包括： N层主编码层； 其中， N 为大于3的整数； 所述子编码网络包括： N层子编码层； 所述子解码网络包括： N ‑1层子解码层； 第i层的子编码层用于对第i ‑1层的子网图像提取特征进行残差卷积和步长为2的卷 积， 得到第i层的子网图像提取特征， 并对第i层的主网图像提取特征和第i层的子网图像提 取特征进行特征融合， 得到第i层的融合图像特 征； 其中， i∈{1, ⋯,N}； 第i层的子解码层用于根据第i+1层的子网图像上采样特征和第i层的融合图像特征， 得到第i层的子网图像上采样特 征； 当i取N时， 第i+1层的子网图像上采样特 征为第N层的子网图像提取 特征； 当i取1时， 第i ‑1层的子网图像提取 特征为所述待分割医学图像。 3.根据权利要求2所述的医学图像分割方法， 其特 征在于，权　利　要　求　书 1/3 页 2 CN 114782440 B 2第i层主编码层包括n个串联的3 ×3的卷积层和1个池化层， 用于对第i ‑1层的主网图像 提取特征进行卷积和池化， 得到第i层的主网图像提取 特征； 当i取1时， 第i ‑1层的主网图像提取 特征为所述待分割医学图像； 当i∈{3, ⋯,N}时， n为大于或等于4的整数。 4.根据权利要求1所述的医学图像分割方法， 其特征在于， 所述医学图像分割 网络， 还 包括： 全局上 下文特征提取网络； 其中， 所述全局上下文特征提取网络用于对所述融合图像特征进行全局上下文信 息建 模， 得到精细化特征后的融合图像特征， 并将所述精细化特征后的融合图像特征输入至所 述子解码网络； 所述子解码网络用于根据所述精细化特征后的融合图像特征对所述子网图像提取特 征进行上采样， 得到所述子网图像上采样特 征。 5.根据权利要求1所述的医学图像分割方法， 其特征在于， 所述医学图像分割 网络， 还 包括： 多尺度特 征提取网络； 所述多尺度特征提取网络用于对所述融合图像特征进行多尺度 特征融合， 得到语义增 强后的融合图像特 征， 并将语义增强后的融合图像特 征输入至所述子解码网络； 所述子解码网络用于根据语义增强后的融合图像特征对所述子网图像提取特征进行 上采样， 得到所述子网图像上采样特 征。 6.根据权利要求4所述的医学图像分割方法， 其特征在于， 所述医学图像分割 网络， 还 包括： 多尺度特 征提取网络； 所述多尺度特征提取网络用于对所述精细化特征后的融合图像特征进行多尺度特征 融合， 得到语义增强后的融合图像特征， 并将语义增强后的融合图像特征输入至所述子解 码网络； 所述子解码网络用于根据语义增强后的融合图像特征对所述子网图像提取特征进行 上采样， 得到所述子网图像上采样特 征。 7.根据权利要求4所述的医学图像分割方法， 其特征在于， 所述全局上下文特征提取网 络， 包括： 第一上 下文分支、 第二上 下文分支和第三上 下文分支； 所述第一上下文分支用于对所述融合图像特征依次进行1 ×1的卷积操作和激活函数 操作， 得到第一层精细化图像特 征； 所述第二上下文分支用于将所述融合图像特征和所述第 一层精细化图像特征点乘， 得 到中间图像特征， 以及对所述中间图像特征依 次进行1×1的卷积、 归一化和激活函数 的操 作得到第二层精细化图像特 征； 所述第三上下文分支用于对所述中间图像特征、 所述第 二层精细化图像特征和所述融 合图像特 征进行特征融合， 得到所述精细化特 征后的融合图像特 征。 8.根据权利要求5或6所述的医学图像分割方法， 其特征在于， 所述多尺度特征提取网 络， 包括： 2个1 ×1的卷积层、 2个3 ×3的卷积层、 1个空洞卷积率为3的空洞卷积层、 1个通道 拼接层和1个特 征融合层； 所述进行多尺度特 征融合的过程如下： 依次利用1个1 ×1的卷积层和 1个3×3的卷积层对输入所述多尺度特征提取网络的图 像特征进行卷积， 得到第一尺度特 征；权　利　要　求　书 2/3 页 3 CN 114782440 B 3