(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 202211055254.4 (22)申请日 2022.08.31 (71)申请人 京东方科技 集团股份有限公司 地址 100015 北京市朝阳区酒仙桥路10号 (72)发明人 王斯凡　胡玉兰　梁烁斌　 (74)专利代理 机构 北京金信知识产权代理有限 公司 11225 专利代理师 庄何媛 (51)Int.Cl. G06T 7/10(2017.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G16H 30/00(2018.01) (54)发明名称 一种医学影像的分割方法、 装置、 存储介质 及电子设备 (57)摘要 本公开提供了一种医学影像的分割方法、 装 置、 存储介质及电子设备， 该方法包括： 对M个支 持图和M个查询图分别进行N个维度下的特征提 取； 确定M个第一特征向量， 并基于M个第一特征 向量和第N维度的M个第二类特征向量矩阵确定M 个相似度矩阵； 输出M个前向特征图矩阵以及M个 后向特征图矩阵； 将M个前向特征图矩阵以及M个 后向特征图矩阵分别拼接后进行N个维度下的上 采样处理， 以得到M个查询图对应的分割图。 本公 开将支持图和查询图同时输入编码器进行特征 提取， 并利用相似性特征提升分割预测 效果， 进 一步结合记忆模块 以学习相邻图像之间的相似 性特征， 增强相邻图像之间的信息交互能力， 进 而实现对医学影 像的准确分割。 权利要求书2页 说明书8页 附图3页 CN 115393369 A 2022.11.25 CN 115393369 A 1.一种医学影 像的分割方法， 其特 征在于， 包括： 通过编码器对M个支持图和M个查询图分别进行N个维度下的特征提取， 以得到每个所 述支持图在N个维度下的第一类特征向量矩阵， 以及每个所述查询图在N个维度下的第二类 特征向量矩阵， M个所述 查询图为连续的M个待处 理医学图像； 通过度量网络基于每个所述支持图对应的标记图以及每个所述支持图在第 N维度的所 述第一类特征向量矩阵确定M个第一特征向量， 并基于M个所述第一特征向量和 第N维度的M 个所述第二类特 征向量矩阵确定 M个相似度矩阵； 通过记忆网络对M个所述相似度矩阵进行学习， 并输出M个前向特征图矩阵以及M个后 向特征图矩阵； 通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别拼接后进行N 个维度下的上采样处 理， 以得到 M个所述查询图对应的分割图。 2.根据权利要求1所述的分割方法， 其特 征在于， M为3 至9之间的整数。 3.根据权利要求1所述的分割方法， 其特征在于， 所述记忆网络至少包括双向长短期记 忆网络。 4.根据权利要求1所述的分割方法， 其特征在于， 通过解码器将M个所述前向特征图矩 阵以及M个所述后向特 征图矩阵分别拼接后进行N个维度下的上采样处 理， 包括： 通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别进行拼接以 得到M个拼接矩阵； 将M个所述查询图在N个维度 下的第二类特征向量矩阵与M个拼接矩阵分别拼接后进行 N个维度下的上采样处 理， 以得到 M个第一维度的特 征图； 对M个第一维度的特 征图进行分割处 理以得到 M个所述查询图对应的分割图。 5.根据权利要求1所述的分割方法， 其特 征在于， 还 包括： 通过M个支持图和M个样本图对所述编码器、 所述度量网络、 所述记忆网络以及所述解 码器进行训练。 6.根据权利要求5所述的分割方法， 其特征在于， 通过M个支持图和M个样本图对所述编 码器、 所述度量网络、 所述记 忆网络以及所述 解码器进行训练， 包括： 通过编码器对M个支持图和M个样本图分别进行N个维度下的特征提取， 以得到每个所 述支持图在N个维度下的第一类特征向量矩阵， 以及每个所述样本图在N个维度下的第三类 特征向量矩阵， M个所述样本图为连续的医学图像； 通过度量网络基于每个所述支持图对应的标记图以及每个所述支持图在第 N维度的所 述第一类特征向量矩阵确定M个第一特征向量， 并基于M个所述第一特征向量和 第N维度的M 个所述第三类特 征向量矩阵确定 M个相似度矩阵； 通过记忆网络对M个所述相似度矩阵进行学习， 并输出M个前向特征图矩阵以及M个后 向特征图矩阵； 通过解码器将M个所述前向特征图矩阵以及M个所述后向特征图矩阵分别拼接后进行N 个维度下的上采样处 理， 以得到 M个所述样本图对应的分割图； 根据M个所述样本图对应的分割图与M个所述样本图对应的标记图进确定损失函数， 并 基于所述损失函数对所述编码器、 所述度量网络、 所述记忆网络以及所述解码器的参数进 行调整。权　利　要　求　书 1/2 页 2 CN 115393369 A 27.根据权利要求6所述的分割方法， 其特征在于， 基于所述损 失函数对所述编码器、 所 述度量网络、 所述记 忆网络以及所述 解码器的参数进行调整之后， 还 包括： 根据优化后的所述编码器、 所述度量网络、 所述记忆网络以及所述解码模块重新确定 所述损失函数， 直至所述损失函数的值 最小。 8.一种医学影 像的分割装置， 其特 征在于， 包括： 编码模块， 所述编码模块用于对M个支持图和M个查询图分别进行N个维度下的特征提 取， 以得到每个所述支持图在N个维度下的第一类特征向量矩阵， 以及每个所述查询图在N 个维度下的第二类特 征向量矩阵， M个所述 查询图为连续的M个待处 理医学图像； 度量模块， 所述度量模块用于基于每个所述支持图对应的标记图以及每个所述支持图 在第N维度的所述第一类特征向量矩阵确定M个第一特征向量， 并基于M个所述第一特征向 量和第N维度的M个所述第二类特 征向量矩阵确定 M个相似度矩阵； 记忆模块， 所述记忆模块用于对M个所述相似度矩阵进行学习， 并输出M个前向特征图 矩阵以及M个后向特 征图矩阵； 解码模块， 所述解码模块用于将M个所述前向特征图矩阵以及M个所述后向特征图矩阵 分别拼接后进行N个维度下的上采样处 理， 以得到 M个所述查询图对应的分割图。 9.一种存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处理器执行时实 现权利要求1至7中任一项所述的医学影 像的分割方法的步骤。 10.一种电子设备， 至少包括存储器、 处理器， 所述存储器上存储有计算机程序， 其特征 在于， 所述处理器在执行所述存储器上的计算机程序时实现权利要求 1至7中任一项 所述的 医学影像的分割方法的步骤。权　利　要　求　书 2/2 页 3 CN 115393369 A 3