分割模型的训练方法、使用方法、装置、设备及介质制造方法及图纸

本申请公开了一种分割模型的训练方法、使用方法、装置、设备及介质，属于人工智能技术领域。该方法包括：获取样本三维医学图像和样本实例分割结果；将所述样本三维医学图像的特征表示输入至分割模型的语义分割分支，输出语义分割结果；分割模型的目标检测分支，输出检测框的位置信息和分类结果；根据语义分割结果、检测框的位置信息和分类结果，得到预测实例分割结果；基于所述预测实例分割结果和所述样本实例分割结果之间的误差进行训练，得到训练后的分割模型。本申请通过结合语义分割分支和目标检测分支实现了三维医学图像的实例分割；选取三维医学图像进行语义分割，增加了描述三维兴趣目标的维度；提高了解析生物结构信息的能力。力。力。

【技术实现步骤摘要】
分割模型的训练方法、使用方法、装置、设备及介质


[0001]本申请涉及人工智能
，特别涉及一种分割模型的训练方法、使用方法、装置、设备及介质。

技术介绍

[0002]三维冷冻电镜图像包含生物结构信息，通过解析生物结构信息，可以获取细胞环境中处于接近自然状态的细胞内细胞器和蛋白质复合物的位置和三维结构信息。
[0003]目前多在三维冷冻电镜图像中选取二维截面，在二维截面上进行分割，以解析生物结构信息。
[0004]由于生物结构信息十分复杂，解析三维冷冻电镜图像包含的细胞内细胞器和蛋白质复合物的位置和三维结构信息的过程中存在很多问题，比如在二维截面上进行分割时，分割结果在三维冷冻电镜图像中表示时会出现不连续的问题，如何提高三维冷冻电镜图像的分割效果，是亟待解决的问题。

技术实现思路

[0005]本申请提供了一种分割模型的训练方法、使用方法、装置、设备及介质，可以实现三维医学图像的实例分割，所述技术方案如下：
[0006]根据本申请的一方面，提供了一种分割模型的训练方法，所述方法包括：
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分割模型的训练方法，其特征在于，所述方法包括：获取样本三维医学图像和样本实例分割结果，所述样本实例分割结果包括所述样本三维医学图像中的n种三维兴趣目标的标签，n为大于1的整数；将所述样本三维医学图像的特征表示输入至所述分割模型的语义分割分支，输出所述样本三维医学图像的语义分割结果；所述语义分割结果用于指示所述三维兴趣目标的三维位置信息；以及将所述样本三维医学图像的特征表示输入至所述分割模型的目标检测分支，输出检测框的位置信息和分类结果；所述检测框用于确定所述样本三维医学图像中的所述三维兴趣目标；根据所述语义分割结果、所述检测框的所述位置信息和所述分类结果，得到所述样本三维医学图像的预测实例分割结果；基于所述预测实例分割结果和所述样本实例分割结果之间的误差，对所述分割模型进行训练，得到训练后的分割模型。2.根据权利要求1所述的方法，其特征在于，所述语义分割分支包括：编码器和解码器；所述将所述样本三维医学图像的特征表示输入至所述分割模型的语义分割分支，输出所述样本三维医学图像的语义分割结果，包括：将所述样本三维医学图像的特征表示输入至所述编码器，编码得到所述样本三维医学图像的隐层表示；将所述隐层表示输入至所述解码器，解码得到所述样本三维医学图像的语义分割结果。3.根据权利要求2所述的方法，其特征在于，所述编码器是U型卷积神经网络U
‑
Net的编码器，所述解码器是所述U
‑
Net的解码器；所述将所述样本三维医学图像的特征表示输入至所述编码器，编码得到所述样本三维医学图像的隐层表示，包括：将所述样本三维医学图像的特征表示输入至所述U
‑
Net的编码器，编码得到所述样本三维医学图像的隐层表示；所述将所述隐层表示输入至所述解码器，解码得到所述样本三维医学图像的语义分割结果，包括：将所述隐层表示输入至所述U
‑
Net的解码器，解码得到所述样本三维医学图像的语义分割结果。4.根据权利要求1所述的方法，其特征在于，所述目标检测分支是区域提议网络RPN；所述将所述样本三维医学图像的特征表示输入至所述分割模型的目标检测分支，输出检测框的位置信息和分类结果，包括：将所述样本三维医学图像的特征表示输入至所述RPN，输出所述检测框的位置信息和分类结果。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：通过兴趣区域对齐ROIAlign对所述位置信息进行修正，得到修正后的位置信息。6.根据权利要求1所述的方法，其特征在于，所述语义分割结果包括至少一个预测兴趣目标的三维位置信息；所述根据所述语义分割结果、所述检测框的所述位置信息和所述分类结果，得到所述
样本三维医学图像的预测实例分割结果，包括：基于所述检测框的位置信息以及所述至少一个预测兴趣目标的三维位置信息，确定位于所述检测框内的所述预测兴趣目标；将所述检测框的所述分类结果确定为所述预测兴趣目标的分类结果；输出所述样本三维医学图像的预测实例分割结果，所述预测实例分割结果包括至少一个预测实例，每个所述预测实例对应一个预测兴趣目标的三维位置信息和分类结果。7.根据权利要求1至6任一所述的方法，其特征在于，所述分割模型还包括：特征提取网络；所述方法还包括：将所述样本三维医学图像输入至所述特征提取网络，输出所述样本三维医学图像的特征表示。8.根据权利要求7所述的方法，其特征在于，所述特征提取网络是特征金字塔网络FPN；所述将所述样本三维医学图像输入至所述特征提取网络，输出所述样本三维医学图像的特征表示，包括：将所述样本三维医学图像输入至所述FPN，输出所述样本三维医学图像的特征金字塔，将所述特征金字塔作为所述样本三维医学图像的特征表示。9.根据权利要求1至6任一所述的方法，其特征在于，所述方法还包括：对所述样本三维医学图像进行预处理，得到预处理后的样本三维医学图像；其中，所述预处理的方法包括如下至少之一：图像滤波处理；图像裁剪处理；图像增广处理。10.根据权利要求9所述的方法...

【专利技术属性】
技术研发人员：周昵昀，严欣，姚建华，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：