【技术实现步骤摘要】
网络模型训练方法及装置、病灶区域确定方法及装置
本公开涉及图像处理
,具体涉及网络模型训练方法及装置、病灶区域确定方法及装置、计算机可读存储介质及电子设备。
技术介绍
随着医学影像技术和图像处理技术的快速发展,基于医学影像进行的病灶检测、病灶定位以及病灶分类等操作日益成为预防及治疗疾病的重要手段。在疾病的诊断过程中,快速且精准地确定医学影像中的病灶区域的具体位置是进行疾病诊断操作的基础前提,其重要性不言而喻。然而在现有技术中,仍需依赖人工(比如医生)进行病灶区域的确定操作,效率低下,而且可能存在精度不高的问题。因此,如何辅助医生进行病灶区域的确定以提高确认病灶的效率和精度是亟待解决的问题。
技术实现思路
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种网络模型训练方法及装置、病灶区域确定方法及装置、计算机可读存储介质及电子设备。在一方面,本公开实施例提供了一种网络模型训练方法,该网络模型训练方法包括:基于样本图像确定第一训练数据,其中,样本图像包括病灶区域,第一训练数据包括标记的第一病灶区域坐标信息和第一病灶类型信息;确定初始网络模型,并基于样本图像训练所述初始网络模型,以生成用于确定医学图像中的病灶区域的网络模型。在另一方面,本公开实施例提供了一种病灶区域确定方法,该病灶区域确定方法包括:确定需要确定病灶区域的医学图像;将医学图像输入至用于确定医学图像中的病灶区域的网络模型,以确定医学图像的病灶区域坐标信息,其中,用于确定医学图像中的病灶区域的网络模型可 ...
【技术保护点】
1.一种网络模型训练方法,其特征在于,包括:/n基于样本图像确定第一训练数据,其中,所述样本图像包括病灶区域,所述第一训练数据包括标记的第一病灶区域坐标信息和第一病灶类型信息;/n确定初始网络模型,并基于所述样本图像训练所述初始网络模型,以生成用于确定医学图像中的病灶区域的网络模型。/n
【技术特征摘要】
1.一种网络模型训练方法,其特征在于,包括:
基于样本图像确定第一训练数据,其中,所述样本图像包括病灶区域,所述第一训练数据包括标记的第一病灶区域坐标信息和第一病灶类型信息;
确定初始网络模型,并基于所述样本图像训练所述初始网络模型,以生成用于确定医学图像中的病灶区域的网络模型。
2.根据权利要求1所述的方法,其特征在于,所述基于所述样本图像训练所述初始网络模型,以生成用于确定医学图像中的病灶区域的网络模型,包括:
将所述样本图像输入至所述初始网络模型,以确定与所述第一训练数据对应的第二训练数据,其中,所述第二训练数据包括第二病灶区域坐标信息和第二病灶类型信息;
基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作,以生成用于确定医学图像中的病灶区域的网络模型。
3.根据权利要求2所述的方法,其特征在于,所述初始网络模型包括信号连接的图像特征提取模型和预测模型,所述基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作,包括:
基于所述第二训练数据中的所述第二病灶类型信息与所述第一训练数据中的所述第一病灶类型信息调整所述预测模型的网络参数和所述图像特征提取模型的网络参数。
4.根据权利要求3所述的方法,其特征在于,所述预测模型包括坐标信息预测子模型和类型信息预测子模型,所述基于所述第二训练数据中的所述第二病灶类型信息与所述第一训练数据中的所述第一病灶类型信息调整所述预测模型的网络参数和所述图像特征提取模型的网络参数,包括:
基于所述第二病灶类型信息和所述第一病灶类型信息调整所述预测模型中的所述类型信息预测子模型的网络参数;
基于调整后的所述类型信息预测子模型调整所述图像特征提取模型的网络参数;
基于调整后的所述图像特征提取模型调整所述预测模型中的所述坐标信息预测子模型的网络参数。
5.根据权利要求4所述的方法,其特征在于,所述类型信息预测子模型中的损失函数包括基于预测概率生成的对数函数。
6.根据权利要求4所述的方法,其特征在于,所述类型信息预测子模型中的损失函数和/或所述坐标信息预测子模型中的损失函数为交叉熵损失函数。
7.根据权利要求3所述的方法,其特征在于,所述基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作,还包括:
基于所述第二训练数据中的所述第二病灶区域坐标信息和所述第一训练数据中的所述第一病灶区域坐标信息调整所述图像特征提取模型的网络参数。
8.根据权利要求3至7任一所述的方法,其特征在于,所述图像特征提取模型包括ResNext-50网络模型和全景特征金字塔网络模型。
9.根据权利要求2所述的方法,其特征在于,所述基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作,以生成用于确定医学图像中的病灶区域的网络模型,包括:
基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作;
基于所述样本图像和进行所述第一次参数调整操作后的初始网络模型确定与所述第一训练数据对应的第三训练数据,其中,所述第三训练数据包括第三病灶区域坐标信息和第三病灶类型信息;
基于所述第一训练数据和所述第三训练数据对进行所述第一次参数调整操作后的初始网络模型进行第二次参数调整操作...
【专利技术属性】
技术研发人员:王慧芳,王少康,陈宽,
申请(专利权)人:北京推想科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。