【技术实现步骤摘要】
模型训练方法及装置、图像识别方法及装置
[0001]本申请涉及神经网络
,具体涉及一种模型训练方法及装置、图像识别方法及装置。
技术介绍
[0002]通常情况下,三维医学图像序列包括多个部位。为了方便阅片人操作,需要确定三维医学图像序列中的图像各自所属的部位(即确定三维医学图像序列中的图像各自对应的类别),以便基于部位提取出该部位对应的图像。
[0003]然而,现有的部位识别方法和部位提取方法,精准度均较低。
技术实现思路
[0004]为了解决上述技术问题,提出了本申请。本申请实施例提供了一种模型训练方法及装置、图像识别方法及装置。
[0005]第一方面,本申请一实施例提供了一种模型训练方法,该模型训练方法包括:利用第一识别模型,基于M幅图像各自对应的第一类别分配权重数据确定M幅图像各自对应的第一类别识别结果;基于M幅图像各自对应的类别标签数据和第一类别识别结果,确定M幅图像各自对应的类别一致率数据;基于M幅图像各自对应的类别一致率数据,确定M幅图像各自对应的第二类别分配权重数据;基于M幅图像各自对应的第二类别分配权重数据训练第一识别模型,得到图像识别模型,其中,图像识别模型用于确定待识别图像序列中的图像各自对应的类别识别结果。
[0006]结合第一方面,在第一方面的某些实现方式中,基于M幅图像各自对应的类别标签数据和第一类别识别结果,确定M幅图像各自对应的类别一致率数据,包括:针对M幅图像中的每幅图像,基于图像对应的类别标签数据和第一类别识别结果,确定图像对应的边界一致 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,其特征在于,包括:利用第一识别模型,基于M幅图像各自对应的第一类别分配权重数据确定所述M幅图像各自对应的第一类别识别结果;基于所述M幅图像各自对应的类别标签数据和第一类别识别结果,确定所述M幅图像各自对应的类别一致率数据;基于所述M幅图像各自对应的类别一致率数据,确定所述M幅图像各自对应的第二类别分配权重数据;基于所述M幅图像各自对应的第二类别分配权重数据训练所述第一识别模型,得到图像识别模型,其中,所述图像识别模型用于确定待识别图像序列中的图像各自对应的类别识别结果。2.根据权利要求1所述的模型训练方法,其特征在于,所述基于所述M幅图像各自对应的类别标签数据和第一类别识别结果,确定所述M幅图像各自对应的类别一致率数据,包括:针对所述M幅图像中的每幅图像,基于所述图像对应的类别标签数据和第一类别识别结果,确定所述图像对应的边界一致率数据;基于所述图像对应的边界一致率数据,确定所述图像对应的类别一致率数据。3.根据权利要求2所述的模型训练方法,其特征在于,所述基于所述图像对应的类别标签数据和第一类别识别结果,确定所述图像对应的边界一致率数据,包括:基于所述图像对应的第一类别识别结果,确定所述图像对应的相邻预测类别的序列信息;基于所述图像对应的类别标签数据,确定所述图像对应的相邻真实类别的序列信息;基于所述图像对应的相邻预测类别的序列信息、相邻真实类别的序列信息,确定所述图像对应的边界一致率数据。4.根据权利要求3所述的模型训练方法,其特征在于,所述相邻预测类别的序列信息包括所述图像所属预测类别的中间序列信息和结束序列信息、与所述图像所属预测类别相邻的下一预测类别的中间序列信息和起始序列信息,所述相邻真实类别的序列信息包括所述图像所属真实类别的中间序列信息和结束序列信息、与所述图像所属真实类别相邻的下一真实类别的中间序列信息和起始序列信息,其中,所述基于所述图像对应的相邻预测类别的序列信息、相邻真实类别的序列信息,确定所述图像对应的边界一致率数据,包括:基于所述与所述图像所属预测类别相邻的下一预测类别的起始序列信息、所述图像所属预测类别的结束序列信息、所述与所述图像所属真实类别相邻的下一真实类别的起始序列信息和所述图像所属真实类别的结束序列信息,确定第一偏移数据;基于所述与所述图像所属预测类别相邻的下一预测类别的中间序列信息、所述图像所属预测类别的中间序列信息、所述与所述图像所属真实类别相邻的下一真实类别的中间序列信息和所述图像所属真实类别的中间序列信息,确定第二偏移数据;基于所述第一偏移数据和所述第二偏移数据,确定所述图像对应的边界一致率数据。5.根据权利要求2至4任一项所述的模型训练方法,其特征在于,所述图像对应的边界
一致率数据,确定所述图像对应的类别一致率数据,包括:基于所述待识别图像序列样本对应的层厚信息和/或层间距信息,确定所述待识别图像序列样本对应的一致率分类区间信息;基于所述一致率分类区间信息和所述图像对应的边界一致率数据,确定所述图像对应的类别一致率数据。6.根据权利要求1至4任一项所述的模型训练方法,其特征在于,所述基于所述M幅图像各自对应的类别一致率数据,确定所述M幅图像各自对应的第二类别分配权重数据,包括:确定所述M幅图像各自对应的高斯分布概率权重...
【专利技术属性】
技术研发人员:蔡鑫,崔亚轩,邱慎杰,
申请(专利权)人:浙江太美医疗科技股份有限公司,
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。