1.基于共享CNN的三维医学图像两阶段分割方法,其特征在于,包括:将初始图像输入目标模型进行图像分割,获得初始分割图;
根据所述初始分割图得到所述初始分割图的ROI的目标位置信息;
根据所述ROI的目标位置信息和预设的ROI边长,确定ROI裁剪框的位置和大小;
根据所述ROI裁剪框的位置和大小,对所述初始分割图和所述初始图像进行裁剪,得到第一特征图和第二特征图;
将所述第一特征图和所述第二特征图进行特征融合得到融合特征图;
将所述融合特征图输入所述目标模型进行图像分割,得到目标分割结果;
所述根据所述初始分割图得到所述初始分割图的ROI的目标位置信息这一步骤,包括:通过全连接层对所述初始分割图像进行特征提取,得到第一位置信息;
将所述第一位置信息通过激活函数进行映射,得到第二位置信息;
基于所述第二位置信息、所述ROI边长和所述初始图像的尺寸,得到目标位置信息;
所述对所述初始分割图和所述初始图像进行裁剪,包括:对所述初始分割图和所述初始图像的X轴和Y轴进行裁剪。
2.根据权利要求1所述的基于共享CNN的三维医学图像两阶段分割方法,其特征在于,所述将初始图像输入目标模型进行图像分割,获得初始分割图这一步骤中,所述目标模型为3D U-Net网络模型。
3.根据权利要求1所述的基于共享CNN的三维医学图像两阶段分割方法,其特征在于,所述将初始图像输入目标模型进行图像分割,获得初始分割图这一步骤,包括:通过所述目标模型的编码器对初始图像进行特征提取,得到五层特征图;
通过所述目标模型的解码器将所述五层特征图进行信息融合,得到初始分割图。
4.根据权利要求1所述的基于共享CNN的三维医学图像两阶段分割方法,其特征在于,所述将所述第一特征图和所述第二特征图进行特征融合得到融合特征图这一步骤,包括将所述第一特征图和所述第二特征图进行直接相加的方式进行特征融合。
5.根据权利要求3所述的基于共享CNN的三维医学图像两阶段分割方法,其特征在于,所述通过所述目标模型的编码器对初始图像进行特征提取,得到五层特征图这一步骤中,所述编码器由五个下采样模块组成,每个下采样模块由两个卷积层和一个最大池化层组成;其中,两个卷积层大小都为3x3x3,所述最大池化层的大小为2x2x2。
6.根据权利要求3所述的基于共享CNN的三维医学图像两阶段分割方法,其特征在于,所述通过所述目标模型的解码器将所述五层特征图进行信息融合,得到初始分割图这一步骤中,所述解码器由五个上采样模块组成,每个上采样模块由一个反卷积层、一个跳跃连接层和两个卷积层组成;其中,两个卷积层大小都为3x3x3。
7.基于共享CNN的三维医学图像两阶段分割装置,其特征在于,包括:第一模块,用于将初始图像输入目标模型进行图像分割,获得初始分割图;
第二模块,用于根据所述初始分割图得到所述初始分割图的ROI的目标位置信息;
第三模块,用于根据所述ROI的目标位置信息和预设的ROI边长,确定ROI裁剪框的位置和大小;
第四模块,用于根据所述ROI裁剪框的位置和大小,对所述初始分割图和所述初始图像进行裁剪,得到第一特征图和第二特征图;
第五模块,用于将所述第一特征图和所述第二特征图进行特征融合得到融合特征图;
第六模块,用于将所述融合特征图输入所述目标模型进行图像分割,得到目标分割结果;
所述第二模块具体用于执行以下步骤:
通过全连接层对所述初始分割图像进行特征提取,得到第一位置信息;
将所述第一位置信息通过激活函数进行映射,得到第二位置信息;
所述第四模块具体用于执行以下步骤:
对所述初始分割图和所述初始图像的X轴和Y轴进行裁剪。
8.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至6中任一项所述的方法。