图像分割方法及其模型训练方法和相关装置、设备、介质制造方法及图纸

本申请公开了一种图像分割方法及其模型训练方法和相关装置、设备、介质，其中，图像分割模型的训练方法包括：获取目标器官的样本医学图像；其中，样本医学图像中的样本像素点标注有样本标记和样本权重；基于样本像素点的样本权重，对样本标记和预测标记进行差异度量，得到模型损失；基于模型损失，调整图像分割模型的网络参数。上述方案，能够在图像分割过程中，兼顾目标器官不同部位的分割精度。兼顾目标器官不同部位的分割精度。兼顾目标器官不同部位的分割精度。

【技术实现步骤摘要】
图像分割方法及其模型训练方法和相关装置、设备、介质


[0001]本申请涉及图像处理
，特别是涉及一种图像分割方法及其模型训练方法和相关装置、设备、介质。

技术介绍

[0002]CT(Computed Tomography，计算机断层扫描)图像等医学图像在辅助诊断、手术规划等场景中具有极其重要意义。例如，通过对医学图像进行分割，可以得到相关器官的分割结果，以辅助医生避开要害的同时切除病灶，如此种种，不一而足。
[0003]然而，在现实场景中，分割对象通常并不规则，在分割气管、血管等器官时，甚至还需兼顾到粗细不同的多级分支。在此情况下，通常需在机器分割之后，再依赖于用户交互进行手动纠正，以提升最终的分割精度，不仅费时费力，且依然无法确保分割效果。有鉴于此，如何在图像分割过程中，兼顾目标器官不同部位的分割精度，成为亟待解决的问题。

技术实现思路

[0004]本申请提供一种图像分割方法及其模型训练方法和相关装置、设备、介质。
[0005]本申请第一方面提供了一种图像分割模型的训练方法，包括：获取目标器官的样本医学图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型的训练方法，其特征在于，包括：获取目标器官的样本医学图像；其中，所述样本医学图像中的样本像素点标注有样本标记和样本权重，所述样本标记表示所述样本像素点所属的目标类别，所述样本权重基于所述样本像素点至所述目标器官的表面的样本距离设置；利用图像分割模型对所述样本医学图像进行目标分割，得到所述样本像素点的预测标记；其中，所述预测标记至少用于表示所述样本像素点经预测属于所述目标类别的可能性；基于所述样本像素点的样本权重，对所述样本标记和所述预测标记进行差异度量，得到模型损失；基于所述模型损失，调整所述图像分割模型的网络参数。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本像素点的样本权重，对所述样本标记和所述预测标记进行差异度量，得到模型损失，包括：基于所述样本权重，对所述样本标记和所述预测标记进行区域差异度量，得到第一损失，和/或，基于所述样本权重，对所述样本标记和所述预测标记进行分布差异度量，得到第二损失；基于所述第一损失和/或所述第二损失，得到所述模型损失；其中，所述第一损失用于度量所述目标器官的样本区域与预测区域之间的区域重合度，且所述样本区域为所述目标器官实际标注的区域，所述预测区域为所述目标器官模型预测的区域，所述第二损失用于度量所述样本标记与所述预测标记之间的数据分布差异。3.根据权利要求2所述的方法，其特征在于，所述样本标记以标记值表示，且所述预测标记至少包括所述样本像素点经预测属于所述目标类别的概率值；所述基于所述样本权重，对所述样本标记和所述预测标记进行区域差异度量，得到第一损失，包括：对于各个所述样本像素点，获取所述样本像素点的所述标记值和所述样本权重的第一乘积，并获取所述样本像素点的所述概率值和所述样本权重的第二乘积，以及获取所述样本像素点的所述标记值、所述概率值和所述样本权重的第三乘积；将各所述样本像素点对应的第一乘积进行求和得到第一和值，并将各所述样本像素点对应的第二乘积进行求和得到第二和值，以及将各所述样本像素点对应的第三乘积进行求和得到第三和值；基于所述第三和值的两倍与参考和值的比值，得到所述第一损失；其中，所述参考和值为所述第一和值与所述第二和值之和，且所述比值与所述第一损失负相关。4.根据权利要求2所述的方法，其特征在于，所述样本标记以标记值表示，且所述预测标记至少包括所述样本像素点经预测属于所述目标类别的概率值；所述基于所述样本权重，对所述样本标记和所述预测标记进行分布差异度量，得到第二损失，包括：对于各个所述样本像素点，获取所述样本像素点的概率值的对数值，并获取所述样本像素点的所述标记值与所述样本权重的第四乘积，以及获取所述对数值与所述第四乘积的第五乘积；基于各所述样本像素点对应的第五乘积求和得到的第四和值，得到所述第二损失；其中，所述第四和值与所述第二损失负相关。5.根据权利要求1至4任一项所述的方法，其特征在于，属于所述目标器官的样本像素点的样本权重高于不属于所述目标器官的样本像素点的样本权重，且属于所述目标器官的
样本像素点的样本权重与所述样本距离负相关。6.根据权利要求5所述的方法，其特征在于，所述样本权重的设置步骤包括：对于属于所述目标器官的各个所述样本像素点，将所述距离进行归一化处理，得到归一化值，并将第一数值与所述归一化值的差值与第二数值之和，作为属于所述目标器官的样本像素点的样本权重；其中，所述第一数值不小于1，且不属于所述目标器官的样本像素点的样本权重为所述第二数值。7.根据权利要求1至6任一项所述的方法，其特征在于，所述目标器官包括主干段以及从所述主干段延伸出的若干分支段；其中，在训练所述图像分割模型的过程中，选择位于所述分支段的所述样本医学图像的频率高于预设阈值，和/或，选择位于所述主干段的所述样本医学图像的频率低...

【专利技术属性】
技术研发人员：王娜，刘星龙，陈翼男，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：