乳腺腺管的图像分割方法、装置、电子设备以及存储介质

本申请涉及图像处理，特别是涉及一种乳腺腺管的图像分割方法、装置、电子设备以及存储介质。

背景技术：

1、图像分割是指将图像中的感兴趣区域提取出来的技术和过程，它是由图像处理到图像分析的关键步骤。随着信息时代的发展，待处理的图片数量飞跃式的上升，利用深度学习网络进行图像分割的方法展现出了强大的性能以及便利性。深度学习网络通过不断的训练，提取图像的特征，分割出图像的感兴趣区域。因此，深度学习网络在图像分割领域有着广泛的研究价值和意义。

2、相关技术中，由于不同乳腺腺管之间形态差异显著，大小腺管面积差异高达百倍，深度学习网络对乳腺腺管区域的分割效果不明显，分割精度不高。

技术实现思路

1、基于此，本申请的目的在于，提供一种乳腺腺管的图像分割方法、装置、电子设备以及存储介质，其可提高乳腺腺管的图像分割精度。

2、根据本申请实施例的第一方面，提供一种乳腺腺管的图像分割方法，包括如下步骤：

3、获取乳腺腺管的样本图像数据集；

4、构建乳腺腺管的图像分割模型；乳腺腺管的图像分割模型包括依次连接的编码器、连接器以及解码器；编码器用于特征提取，连接器用于特征的权重计算，解码器用于特征融合；

5、根据样本图像数据集，训练编码器、连接器以及解码器，获得已训练的乳腺腺管的图像分割模型；

6、将待分割的乳腺腺管图像输入至已训练的乳腺腺管的图像分割模型，获得乳腺腺管区域图像。

7、根据本申请实施例的第二方面，提供一种乳腺腺管的图像分割装置，包括：

8、数据集获取模块，用于获取乳腺腺管的样本图像数据集；

9、模型构建模块，用于构建乳腺腺管的图像分割模型；乳腺腺管的图像分割模型包括依次连接的编码器、连接器以及解码器；编码器用于特征提取，连接器用于特征的权重计算，解码器用于特征融合；

10、模型训练模块，用于根据样本图像数据集，训练编码器、连接器以及解码器，获得已训练的乳腺腺管的图像分割模型；

11、区域图像获得模块，用于将待分割的乳腺腺管图像输入至已训练的乳腺腺管的图像分割模型，获得乳腺腺管区域图像。

12、根据本申请实施例的第三方面，提供一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行如上述任意一项的乳腺腺管的图像分割方法。

13、根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现如上述任意一项的乳腺腺管的图像分割方法。

14、本申请实施例通过获取乳腺腺管的样本图像数据集；构建乳腺腺管的图像分割模型；乳腺腺管的图像分割模型包括依次连接的编码器、连接器以及解码器；编码器用于特征提取，连接器用于特征的权重计算，解码器用于特征融合；根据样本图像数据集，训练编码器、连接器以及解码器，获得已训练的乳腺腺管的图像分割模型；将待分割的乳腺腺管图像输入至已训练的乳腺腺管的图像分割模型，获得乳腺腺管区域图像，从而提高了乳腺腺管的图像分割精度。

15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

16、为了更好地理解和实施，下面结合附图详细说明本发明。

技术特征：

1.一种乳腺腺管的图像分割方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的乳腺腺管的图像分割方法，其特征在于：

3.根据权利要求2所述的乳腺腺管的图像分割方法，其特征在于：

4.根据权利要求2所述的乳腺腺管的图像分割方法，其特征在于：

5.根据权利要求2所述的乳腺腺管的图像分割方法，其特征在于：

6.根据权利要求2所述的乳腺腺管的图像分割方法，其特征在于：

7.根据权利要求1至6任意一项所述的乳腺腺管的图像分割方法，其特征在于：

8.一种乳腺腺管的图像分割装置，其特征在于，包括：

9.一种电子设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读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如权利要求1至7任意一项所述方法的步骤。

技术总结
本申请涉及一种乳腺腺管的图像分割方法、装置、电子设备以及存储介质，该方法包括：获取乳腺腺管的样本图像数据集；构建乳腺腺管的图像分割模型；所述乳腺腺管的图像分割模型包括依次连接的编码器、连接器以及解码器；所述编码器用于特征提取，所述连接器用于特征的权重计算，所述解码器用于特征融合；根据所述样本图像数据集，训练所述编码器、所述连接器以及所述解码器，获得已训练的乳腺腺管的图像分割模型；将待分割的乳腺腺管图像输入至所述已训练的乳腺腺管的图像分割模型，获得乳腺腺管区域图像，从而提高了乳腺腺管的图像分割精度。

技术研发人员：吉雁鸿,刘黎望
受保护的技术使用者：华南师范大学
技术研发日：
技术公布日：2024/1/15