【技术实现步骤摘要】
生成训练样本的方法、装置、计算机可读介质及电子设备
[0001]本申请涉及计算机
,具体而言,涉及一种生成训练样本的方法、装置、计算机可读介质及电子设备。
技术介绍
[0002]随着人工智能技术发展的越来越广泛和精湛,越来越多的应用环境中通过人工智能技术来解决相应的技术问题,例如三维物体重建、人脸识别等等。相关技术中一般通过构建模型的方式来处理这些问题。但是,模型的构建依赖于大量的数据样本,并且需要每个样本都有其对应的标签,才能使得训练得到的模型更加精确。
[0003]在实际应用中,基本都是通过人工的方式来对每个样本进行标签化,这种方式依赖太多的人力资源,且消耗成本,尤其是在训练模型需要的样本数量较大的情况下,往往会由于这种样本标签化方式耗费大量的成本,且效率太低,进而影响到整个模型的构建效率和成本。
技术实现思路
[0004]本申请的实施例提供了一种生成训练样本的方法、装置、计算机可读介质及电子设备,进而至少在一定程度上可以保证对医学影像标签化的精确度的基础上,提高了对医学影像标签化的效率,降低了标签化的成本。
[0005]本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
[0006]根据本申请实施例的一个方面,提供了一种生成训练样本的方法,包括:获取待标注的医学影像集,其中,所述医学影像集包括在第一时间针对目标区域拍摄的早期影像集、以及在第二时间针对所述目标区域拍摄的后期影像集;基于根据所述早期影像集中的影像的层厚所确定的第一抽样比 ...
【技术保护点】
【技术特征摘要】
1.一种样本标注的方法,其特征在于,包括:获取待标注的医学影像集,其中,所述医学影像集包括在第一时间针对目标区域拍摄的早期影像集、以及在第二时间针对所述目标区域拍摄的后期影像集;基于根据所述早期影像集中的影像的层厚所确定的第一抽样比例,对所述早期影像集中的影像进行抽样,得到早期抽样图像;基于根据所述后期影像集中的影像的层厚所确定的第二抽样比例,对所述后期影像集中的影像进行抽样,得到后期抽样图像;获取所述早期抽样图像和所述后期抽样图像分别对应的目标区域的图像信息;基于所述目标区域的图像信息之间的对比结果,生成表示所述早期抽样图像中目标区域变化趋势的标签。2.根据权利要求1所述的方法,其特征在于,基于根据所述早期影像集中的影像的层厚所确定的第一抽样比例,对所述早期影像集中的影像进行抽样,得到早期抽样图像,包括:若所述早期影像集中的影像的层厚小于或者等于预设的第一阈值,则基于所述早期影像集中的影像的层厚确定第一抽样比例;基于所述早期影像集中的影像的数量以及所述第一抽样比例之间的商,确定早期抽象图像的目标数量;从所述早期影像集中的影像中抽样得到所述目标数量的影像,作为所述早期抽样图像。3.根据权利要求2所述的方法,其特征在于,基于所述早期影像集中的影像的层厚确定第一抽样比例,包括:基于所述早期影像集的影像,确定所述影像对应的图像特征;将所述早期影像集的影像对应的图像特征进行对比,确定各所述影像之间的相似度;基于所述早期影像集的影像的层厚以及各所述影像之间的相似度确定所述第一抽样比例,其中,所述第一抽样比例与所述相似度成正比,所述第一抽样比例与所述层厚成反比。4.根据权利要求2所述的方法,其特征在于,从所述早期影像集中的影像中抽样得到所述目标数量的影像,作为所述早期抽样图像,包括:基于所述影像中的目标区域的像素值,检测所述早期影像集中的影像对应的图像质量参数;基于所述图像质量参数,对所述早期影像集中的影像进行抽样,得到所述目标数量对应的早期抽样图像。5.根据权利要求4所述的方法,其特征在于,基于所述影像中的目标区域的像素值,检测所述早期影像集中的影像对应的图像质量参数,包括:基于所述早期影像集中的影像的目标区域的像素值,检测所述目标区域对应的图像边缘;基于目标区域对应的图像边缘对应的像素值,确定所述影像对应的图像质量参数。6.根据权利要求1所述的方法,其特征在于,基于根据所述后期影像集中的影像的层厚所确定的第二抽样比例,对所述后期影像集中的影像进行抽样,得到后期抽样图像,包括:若所述后期影像集中的影像的层厚小于或者等于预设的第二阈值,则基于所述后期影
像集中的影像的层厚确定第二抽样比例;基于所述影像中的目标区域,检测所述后期影像集中的影像对应的图像质量参数;基于所述图像质量参数,从所述后期影像集中抽样,得到所述第二抽样比例对应数量的后期抽样图像。7.根据权利要求6所述的方法,其特征在于,所述方法还包括:若所述后期影像集中的影像的层厚大于所述第二阈值,且小于预设的第三阈值,则基于所述后期影像集中的影像的层厚确定第三抽样比例;其中,所述第三抽样比例小于所述第二抽样比例。8.根据权利要求1所述的方法,其特征在于,获取所述早期抽样图像和所述后期抽样图像分别对应的目标区域的图像信息,包括:对所述早期抽样图像进行目标区域边缘检测,得到所述早期抽样图像对应的目标区域边缘;对所述后期抽样...
【专利技术属性】
技术研发人员:裴翰奇,常健博,王任直,冯铭,姚建华,尚鸿,王晓宁,郑瀚,陈星翰,
申请(专利权)人:腾讯科技深圳有限公司,
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。