【技术实现步骤摘要】
生成模型的训练方法、息肉识别方法、装置、介质及设备
[0001]本公开涉及图像处理领域,具体地,涉及一种生成模型的训练方法、息肉识别方法、装置、介质及设备。
技术介绍
[0002]内窥镜广泛用于结肠筛查和息肉检测,但是内窥镜的检测精准度很大程度上取决于内镜医师的经验。而由于息肉的特征较难识别,且许多息肉的体积较小,而导致息肉检测的漏检率较大,这大大增加了息肉早期筛查的难度。
[0003]相关技术中,可以通过深度学习的方法进行模型训练,以用于息肉识别和分割的计算机辅助诊断系统。而通过上述方式当样本外数据具有较大的域转移时,这些经过训练的网络中都可能会出现较大的性能差距,难以通过有限的样本数据保证模型的泛化性,使得训练出的模型对样本外数据的检测准确度不足,从而无法实现准确的息肉检测效果。
技术实现思路
[0004]提供该
技术实现思路
部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面,本公开提供一种息肉图像生成模型的训练方法,所述方法包括:获取训练样本集,其中,所述训练样本集中的每一训练样本包含训练图像以及所述训练图像对应的息肉标注类别;根据所述训练图像和图像生成模型,获得所述训练图像对应的生成图像和还原图像,其中,所述图像生成模型包括第一生成器和第二生成器,所述第一生成器用于根据所述训练图像生成所述生成图像,所述第二生成器用于根 ...
【技术保护点】
【技术特征摘要】
1.一种息肉图像生成模型的训练方法,其特征在于,所述方法包括:获取训练样本集,其中,所述训练样本集中的每一训练样本包含训练图像以及所述训练图像对应的息肉标注类别;根据所述训练图像和图像生成模型,获得所述训练图像对应的生成图像和还原图像,其中,所述图像生成模型包括第一生成器和第二生成器,所述第一生成器用于根据所述训练图像生成所述生成图像,所述第二生成器用于根据所述生成图像生成所述还原图像;根据所述训练图像和所述生成图像,确定所述训练图像和所述生成图像对应的第一分布距离,其中,所述第一分布距离用于表示所述训练图像的分布和所述生成图像的分布之间的差异;根据所述第一分布距离、所述训练图像、所述生成图像、所述还原图像以及所述训练图像对应的息肉标注类别,确定所述图像生成模型的目标损失,其中,所述目标损失包括根据所述第一分布距离确定出的第一分布损失,所述第一分布损失与所述第一分布距离为负相关关系;在满足更新条件的情况下,根据所述目标损失对所述图像生成模型的参数进行更新。2.根据权利要求1所述的方法,其特征在于,所述根据所述第一分布距离、所述训练图像、所述生成图像、所述还原图像以及所述训练图像对应的息肉标注类别,确定所述图像生成模型的目标损失,包括:根据所述训练图像和与所述训练图像对应的还原图像,确定所述图像生成模型的生成损失;基于所述训练图像对应的息肉标注类别、和基于该训练图像生成的生成图像所对应的息肉预测类别,确定所述图像生成模型的预测损失;将所述第一分布距离的负值确定为所述第一分布损失;根据所述生成损失、所述预测损失和所述第一分布损失确定所述目标损失。3.根据权利要求2所述的方法,其特征在于,所述训练样本集中包含对应于多种息肉标注类别的训练样本;所述根据所述第一分布距离、所述训练图像、所述生成图像、所述还原图像以及所述训练图像对应的息肉标注类别,确定所述图像生成模型的目标损失,还包括:根据各种息肉标注类别下的生成图像,针对任意两种息肉标注类别下的生成图像,确定该两种息肉标注类别下的生成图像对应的第二分布距离,其中,所述第二分布距离用于表示属于不同息肉标注类别下的生成图像的分布之间的差异;所述根据所述生成损失、所述预测损失和所述分布损失确定所述目标损失,包括:根据所述第二分布距离确定所述图像生成模型的第二分布差异;将所述生成损失、所述预测损失、所述第一分布损失和所述第二分布损失的加权和确定为所述目标损失。4.根据权利要求1所述的方法,其特征在于,所述根据所述训练图像和所述生成图像,确定所述训练图像和所述生成图像对应的第一分布距离,包括:针对同一息肉标注类别下的训练图像和生成图像,确定所述训练图像之间的传输距离、所述生成图像之间的传输距离、以及所述训练图像和所述生成图像之间的传输距离;根据所述训练图像和所述生成图像之间的传输距离、所述训练图像之间的传输距离,
以及所述生成图像之间的传输距离确定所述第一分布距离。5.根据权利要求4所述的方法,其特征在于,所述传输距离通过如下公式确定:5.根据权利要求4所述的方法,其特征在于,所述传输距离通过如下公式确定:其中,用于表示图像和图像之间的传输距离;用于表示从所述图像中提取出的特征图像;用于表示从所述图像中提取出的特征图像;用于表示所述图像对应的分布;用于表示所述图像对应的分布;用于表示分布和分布形成的全部的联合分布;用于表示所述图像和图像之间的传输成本。...
【专利技术属性】
技术研发人员:边成,石小周,杨延展,
申请(专利权)人:北京字节跳动网络技术有限公司,
类型:发明
国别省市:
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。