3D图像的分割学习网络的训练方法、分割方法、分割装置和介质

摘要

本公开涉及一种3D图像的分割学习网络的训练方法、分割方法、分割装置和介质。3D图像中包含关注对象且关注对象在其中占据的比例低于预定阈值，训练方法包括：基于多个密集块的依序联合构建分割学习网络，密集块内的基本单元之间具有密集连接，基本单元由批量归一化层、RELU层和卷积层组成；由处理器，基于3D图像的训练数据集，利用损失函数对分割学习网络进行训练，损失函数更关注困难样本且对远离关注对象的负面体素进行惩罚。其能够以结构更紧凑且参数更少的学习网络对不规则且小型的关注对象进行快速且准确的分割，且该学习网络的训练过程能够解决样本和前景背景的失衡问题，并尽量避免训练样本缺乏所导致的过拟合问题。