网络模型的训练方法及装置、标注信息的确定方法及装置制造方法及图纸

公开了一种网络模型的训练方法及装置、标注信息的确定方法及装置、计算机可读存储介质及电子设备，涉及图像处理技术领域。该网络模型的训练方法包括：确定初始网络模型；基于待标注样本图像和待标注样本图像对应的概率图像训练初始网络模型，以生成图像理解模型，其中，图像理解模型用于基于待标注图像生成待标注图像对应的特征图和修复图像，概率图像用于表征待标注样本图像中的显示单元被擦除的概率。本公开能够使图像理解模型聚焦于学习图像的边界信息(包括能够用于分割的边界信息)，进而使训练得到的图像理解模型具备图像理解能力。由此，本公开能够为后续标注信息的重定义操作提供数据基础，进而提高标注信息的重定义精准度。

【技术实现步骤摘要】
网络模型的训练方法及装置、标注信息的确定方法及装置
本公开涉及图像处理
，具体涉及网络模型的训练方法及装置、标注信息确定方法及装置、计算机可读存储介质及电子设备。
技术介绍
在医学图像处理领域，图像分割技术能够极大提升医生的工作效率，是辅助医生进行疾病诊断的重要技术。众所周知，图像分割技术的分割依据为与待分割目标对应的标注信息，因此，标注信息的优劣会直接影响待分割目标的分割效果。然而，现有标注信息的确定方法主要依赖于人工(比如医生)实现，精准度难以保证，更难以满足精准分割的要求。
技术实现思路
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种网络模型的训练方法及装置、标注信息的确定方法及装置、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的训练方法，该方法包括：确定初始网络模型；基于待标注样本图像和待标注样本图像对应的概率图像训练初始网络模型，以生成图像理解模型。其中，图像理解模型用于基于待标注图像生成待标注图像对应的特征图和修复图像，概率图像用于表征待标注样本图像中本文档来自技高网...

【技术保护点】
1.一种网络模型的训练方法，其特征在于，包括：/n确定初始网络模型；/n基于待标注样本图像和所述待标注样本图像对应的概率图像训练所述初始网络模型，以生成图像理解模型，其中，所述图像理解模型用于基于待标注图像生成所述待标注图像对应的特征图和修复图像，所述概率图像用于表征所述待标注样本图像中的显示单元被擦除的概率。/n

【技术特征摘要】
1.一种网络模型的训练方法，其特征在于，包括：
确定初始网络模型；
基于待标注样本图像和所述待标注样本图像对应的概率图像训练所述初始网络模型，以生成图像理解模型，其中，所述图像理解模型用于基于待标注图像生成所述待标注图像对应的特征图和修复图像，所述概率图像用于表征所述待标注样本图像中的显示单元被擦除的概率。


2.根据权利要求1所述的方法，其特征在于，所述初始网络模型包括特征提取模块和图像修复模块，其中，所述基于待标注样本图像和所述待标注样本图像对应的概率图像训练所述初始网络模型，包括：
基于所述待标注样本图像和所述概率图像生成所述待标注样本图像对应的擦除图像；
将所述擦除图像输入所述特征提取模块，以生成特征图；
将所述特征图输入所述图像修复模块，以生成修复图像；
基于所述待标注样本图像和所述修复图像训练所述初始网络模型。


3.根据权利要求2所述的方法，其特征在于，所述基于所述待标注样本图像和所述概率图像生成所述待标注样本图像对应的擦除图像，包括：
基于所述概率图像对所述待标注样本图像进行擦除操作，以生成第一阶段擦除图像，其中，所述第一阶段擦除图像包括第一擦除区域；
将所述第一阶段擦除图像确定为所述擦除图像。


4.根据权利要求3所述的方法，其特征在于，所述第一擦除区域的数量为多个，在所述将所述第一阶段擦除图像确定为所述擦除图像之前，还包括：
基于所述多个第一擦除区域各自对应的尺寸信息和预设尺寸条件生成第一擦除区域集合；
基于所述第一擦除区域集合中的第一擦除区域之间的距离信息，确定第二阶段擦除图像；
其中，所述将所述第一阶段擦除图像确定为所述擦除图像，包括：
将所述第二阶段擦除图像确定为所述擦除图像。


5.根据权利要求4所述的方法，其特征在于，所述基于所述第一擦除区域集合中的第一擦除区域之间的距离信息，确定第二阶段擦除图像，包括：
针对所述第一擦除区域集合中的任意两个第一擦除区域，计算所述两个第一擦除区域之间的欧式距离；
如果所述欧式距离符合预设连通条件，则将所述两个第一擦除区域进行连通处理；
基于经所述连通处理后的所述第一擦除区域集合生成所述第二阶段擦除图像。


6.根据权利要求1至5任一项所述的方法，其特征在于，在所述基于待标注样本图像和所述待标注样本图像对应的概率图像训练所述初始网络模型之前，还包括：
确定所述待标注样本图像对应的第一标注信息；
基于所述第一标注信息和所述待标注样本图像确定所述概率图像。


7.根据权利要求6所述的方法，其特征在于，所述基于所述第一标注信息和所述待标注样本图像确定所述概率图像，包括：
基于所述第一标注信息确定所述待标注样本图像的第一区域和第二区域，其中，所述第一区域包括多个第一显示单元，所述第二区域包括多个第二显示单元；
针对所述多个第一显示单元，分别计算所述第一显示单元和与所述第一显示单元最接近的第二显示单元之间的第一欧式距离，以生成第一距离集合；
针对所述多个第二显示单元，分别计算所述第二显示单元和与所述第二显示单元最接近的第一显示单元之间的第二欧式距离，以生成第二距离集合；
基于所述第一距离集合和所述第二距离集合生成所述概率图像。


8.根据权利要求7所述的方法，其特征在于，所述第一距离集合包括多个第一欧式距离，所述第二距离集合包括多个第二欧式距离，所述基于所述第一距离集合和所述第二距离集合生成所述概率图像，包括：
基于所述多个第一欧式距离确定预设距离阈值；
基于所述多个第一欧式距离与所述预设距离阈值的关系，确定所述多个第一显示单元各自对应的擦除概率；
基于所述多个第二欧式距离与所述预设距离阈值的关系，确定所述多个第二显示单元各自对应的擦除概率；
基于所述多个第一显示单元各自对应的擦除概率和所述多个第二显示单元各自对应的擦除概率，生成所述概率图像。


9.一种标注信息的确定方法，其特征在于，包括：
将待标注图像输入图像理解模型，以得到所述待标注图像对应的特征图和修复图像，其中，所述图像理解模型基于上述1至8任一项所述的网络模型的训练方法得到；
基于所述特征图、所述修复图像、所述待标注图像和所述待标注图像对应的第一标注信息确定所述待标注图像对应的第二标注信息。


10.根据权利要求9所述的方法，其特征在于，所述基于所述特征图、所述修复图像、所述待标注图像和所述待标注图像对应的第一标注信息确定所述待标注图像对应的第二标注信息，包括：
确定所述修复图像和所述待标注图像之间的相似度信息；
基于所述相似度信息、所述特征图和...

【专利技术属性】
技术研发人员：于朋鑫，夏晨，张荣国，李新阳，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：北京;11