三维图像处理方法、图像处理模型训练方法及介质技术

本申请提供一种三维图像处理方法、图像处理模型训练方法及介质，所述方法包括：根据不同阶段的图像处理模型，从待处理的三维图像集中确定用于训练至少一批图像子集，并基于至少一批图像子集及对应的图像处理结果，构建用于训练图像处理模型的训练集，利用经训练的图像处理模型对三维图像集中图像进行处理，得到对应的图像处理结果。从而可提高模型训练效率，进而提高了三维图像处理效率和准确率，减少了人员工作量。

Three dimensional image processing method, image processing model training method and media

【技术实现步骤摘要】
三维图像处理方法、图像处理模型训练方法及介质
本申请涉及计算机图像处理
，尤其涉及一种三维图像处理方法、图像处理模型训练方法及介质。
技术介绍
医疗影像数据为临床检测和辅助诊断中重要医疗数据之一，目前对于医疗影像数据的分析和处理主要依靠经验丰富的医生来完成。然而，由于医疗影像数据的分析处理过程复杂繁琐，尤其是处理一些难度高的任务(例如颅脑影像、病理图像)和高维医疗影像数据(例如三维影像)等，因此现有的通过人工阅片和手动勾画的方式，不仅会消耗大量的人力和时间，处理效率低，而且由于人为误差的存在而会导致处理结果的准确性和精度并不高。人工智能技术虽被应用到医疗领域中，但其仍未达到成熟应用的阶段。目前，应用人工智能技术的主要方式是利用网络模型或算法对医疗影像数据进行快速分析处理，然而该网络模型或算法往往是采用大量训练样本数据训练得到的，通常大量的训练样本数据非常依赖于经验丰富的医生来完成，如此会增加人员工作量。此外，现有的基于人工智能技术的网络模型或算法，其对三维医学图像处理的准确率和效率有待进一步提高。
技术实现思路
本申请提供了一种三维图像处理方法、图像处理模型训练方法及介质，以解决以上至少一种技术问题。一方面，本申请提供了一种三维图像处理方法，包括：获取待处理的三维图像集；根据不同阶段的图像处理模型，从所述三维图像集中确定用于训练图像处理模型的至少一批图像子集；构建训练集，所述训练集包含至少一批所述图像子集及对应的图像处理结果，所述训练集用于训练所述图像处理模型；利用经训练的图像处理模型，确定所述三维图像集中图像的图像处理结果。另一方面，还提供一种三维图像处理装置，包括：图像集获取模块，用于获取待处理的三维图像集；图像子集确定模块，用于根据不同阶段的图像处理模型，从所述三维图像集中确定至少一批图像子集；构建模块，用于构建训练集，所述训练集包含至少一批所述图像子集及对应的图像处理结果，所述训练集用于训练图像处理模型；图像处理模块，用于利用经训练的图像处理模型，确定三维图像集中图像的图像处理结果。另一方面，还提供一种图像处理模型训练方法，包括：获取三维图像样本数据和当前图像处理模型，所述三维图像样本数据包括已处理图像样本集和待处理图像样本集，所述当前图像处理模型的训练样本集包括所述已处理图像样本集；基于已处理图像样本集和所述待处理图像样本集中每例待处理样本图像，利用不同阶段的图像处理模型，从所述待处理图像样本集中确定用于训练模型的下一批待处理图像样本子集；利用当前图像处理模型对所述下一批待处理图像样本子集进行预测，得到预测样本图像处理结果；基于对所述预测样本图像处理结果所对应的核验结果，更新所述训练样本集；基于更新的训练样本集训练所述当前图像处理模型，得到更新的图像处理模型；将更新的图像处理模型作为当前图像处理模型，迭代确定下一批待处理图像子集的步骤及其后续步骤，直至满足训练结束条件。另一方面，还提供一种图像处理模型训练装置，包括：获取模块，用于获取三维图像样本数据和当前图像处理模型，所述三维图像样本数据包括已处理图像样本集和待处理图像样本集，所述当前图像处理模型的训练样本集包括所述已处理图像样本集；图像样本子集确定模块，用于基于已处理图像样本集和所述待处理图像样本集中每例待处理样本图像，利用不同阶段的图像处理模型，从所述待处理图像样本集中确定用于训练模型的下一批待处理图像样本子集；预测模块，用于利用当前图像处理模型对所述下一批待处理图像样本子集进行预测，得到预测样本图像处理结果；更新模块，用于基于对所述预测样本图像处理结果所对应的核验结果，更新所述训练样本集；训练模块，用于基于更新的训练样本集训练所述当前图像处理模型，得到更新的图像处理模型；迭代模块，用于将更新的图像处理模型作为当前图像处理模型，迭代确定下一批待处理图像子集的步骤及其后续步骤，直至满足训练结束条件。另一方面还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或者至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行如上述任一项所述的三维图像处理方法，和上述所述的图像处理模型训练方法的步骤。另一方面还提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的三维图像处理方法，和上述所述的图像处理模型训练方法的步骤。本申请提供的一种三维图像处理方法、图像处理模型训练方法及介质，具有如下技术效果：本申请实施例通过根据不同阶段的图像处理模型，从待处理的三维图像集中确定用于训练至少一批图像子集，并基于至少一批所述图像子集及对应的图像处理结果，构建用于训练图像处理模型的训练集，利用经训练的图像处理模型对三维图像集中图像进行处理，得到对应的图像处理结果。整个三维图像处理过程是交替进行筛选至少一批具有训练意义的图像子集、和利用筛选的图像子集训练不同训练阶段的图像处理模型，从而可根据少量的图像子集训练图像处理模型来快速迭代至达到同样的训练效果，提高模型训练效率和性能，同时进行图像处理模型训练和三维图像处理过程，进而提高了三维图像处理效率和准确率。并且无需对所有三维图像集进行人工处理，减少了人员工作量，节省人力开销。此外，随着模型训练过程的不断继续，模型预测准确性越高，需要修正的预测处理结果慢慢减少，进一步减少人员工作量。非常适用于无处理标签数据量大和有处理标签数据人工处理成本大、复杂度高、耗时长等情况。此外，根据不同阶段的图像处理模型来确定至少一批图像子集，充分利用当前模型训练阶段的中间结果来进行图像处理建议的筛选，所确定的图像子集更具有针对性，无需额外构建和训练其他网络，减少模型训练耗时，提高图像处理效果和准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本申请实施例提供的一种应用环境的示意图；图2是本申请实施例提供的一种三维图像处理方法的流程示意图；图3是本申请实施例提供的步骤S204的流程示意图；图4是本申请实施例提供的另一种三维图像处理方法的流程示意图；图5是本申请实施例提供的步骤S304的流程示意图；图6是本申请实施例提供的图像处理建议算法的流程示意图；图7是本申请实施例提供的步骤S506的流程示意图；图8是本申请实施例提供的构建训练集的流程示意图；图9是本申请实施例提供的一种图像处理模型训练方法的流程示意图；图10a是应用本申请实施例的训练结束的图像处理模型本文档来自技高网...

【技术保护点】
1.一种三维图像处理方法，其特征在于，包括：/n获取待处理的三维图像集；/n根据不同阶段的图像处理模型，从所述三维图像集中确定用于训练图像处理模型的至少一批图像子集；/n构建训练集，所述训练集包含至少一批所述图像子集及对应的图像处理结果，所述训练集用于训练所述图像处理模型；/n利用经训练的图像处理模型，确定所述三维图像集中图像的图像处理结果。/n

【技术特征摘要】
1.一种三维图像处理方法，其特征在于，包括：
获取待处理的三维图像集；
根据不同阶段的图像处理模型，从所述三维图像集中确定用于训练图像处理模型的至少一批图像子集；
构建训练集，所述训练集包含至少一批所述图像子集及对应的图像处理结果，所述训练集用于训练所述图像处理模型；
利用经训练的图像处理模型，确定所述三维图像集中图像的图像处理结果。


2.根据权利要求1所述的方法，其特征在于，所述图像子集的数量为多个，所述根据不同阶段的图像处理模型，从所述三维图像集中确定用于训练图像处理模型的至少一批图像子集，包括：
获取携带图像处理结果的已处理图像集；
基于所述已处理图像集和所述三维图像集中每例待处理图像，根据当前阶段的图像处理模型，从所述三维图像集中确定用于训练当前阶段图像处理模型的当前批图像子集；
利用所述当前批图像子集更新所述已处理图像集，并基于更新的已处理图像集和所述三维图像集中每例待处理图像，根据经当前批图像子集训练的图像处理模型，从所述三维图像集中确定用于训练下一阶段图像处理模型的下一批图像子集；
将所述下一批图像子集作为当前批图像子集，迭代地从所述三维图像集中确定下一批图像子集，直至满足迭代结束条件。


3.根据权利要求2所述的方法，其特征在于，所述基于所述已处理图像集和所述三维图像集中每例待处理图像，根据当前阶段的图像处理模型，从所述三维图像集中确定用于训练当前阶段图像处理模型的当前批图像子集，包括：
根据当前阶段的图像处理模型，确定所述三维图像集中每例待处理图像的平均不确定度；
基于所述平均不确定度，从所述三维图像集中确定初始图像子集；
基于所述初始图像子集中每例图像与已处理图像集中每例图像的相似度分析结果，从所述初始图像子集中确定所述当前批图像子集。


4.根据权利要求3所述的方法，其特征在于，所述每例待处理图像包括若干切片图像，所述根据当前阶段的图像处理模型，确定所述三维图像集中每例待处理图像的平均不确定度，包括：
利用当前阶段的图像处理模型中的特征提取模块，对所述三维图像集中每例待处理图像进行处理，确定所述三维图像集中每例待处理图像的特征图；
利用当前阶段的图像处理模型中的特征分类模块，对所确定的每例待处理图像的特征图进行处理，确定所述每例待处理图像的特征图中每个像素所属类别的分类结果；
基于属于同一切片图像的特征图中所有像素的分类结果，分别确定每例待处理图像中若干切片图像的不确定度；
基于所有的切片图像的不确定度，确定所述每例待处理图像的平均不确定度。


5.根据权利要求3所述的方法，其特征在于，所述基于所述初始图像子集中每例图像与已处理图像集中每例图像的相似度分析结果，从所述初始图像子集中确定所述当前批图像子集，包括：
确定已处理图像集中每例已处理图像的第一特征图，以及所述初始图像子集中每例待处理图像的第二特征图；
计算每例待处理图像的第二特征图分别与所有的已处理图像的第一特征图的相似度...

【专利技术属性】
技术研发人员：张伟，沈宏，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31