图像检测及相关模型的训练方法、相关装置、设备和介质制造方法及图纸

本申请公开了一种图像检测及相关模型的训练方法、相关装置、设备和介质，其中，图像检测模型的训练方法包括：获取样本医学图像及其参考信息；其中，参考信息包括目标像素点对应的第一距离，第一距离表征目标像素点至第一参考位置的实际距离，第一参考位置表示目标像素点所属样本对象的中心位置；利用图像检测模型对样本医学图像进行处理，得到第一处理结果；其中，第一处理结果包括目标像素点对应的第二距离，第二距离表征目标像素点至第一参考位置的预测距离；基于目标像素点对应的第一距离与第二距离，得到差异信息，基于差异信息，调整图像检测模型的网络参数。上述方案，在不同对象十分接近、甚至粘连的情况，仍然能够准确区分检测各个对象。检测各个对象。检测各个对象。

【技术实现步骤摘要】
图像检测及相关模型的训练方法、相关装置、设备和介质


[0001]本申请涉及图像处理
，特别是涉及一种图像检测及相关模型的训练方法、相关装置、设备和介质。

技术介绍

[0002]CT(Computed Tomography，计算机断层扫描)图像、MR(Magnetic Resonance，核磁共振)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。
[0003]在上述诸多应用中，准确检测出诸如病灶等对象往往是此类应用得以实施的基础。然而，在实际场景中，诸如病灶等对象可能会存在十分接近、甚至粘连的情况，从而导致现有技术难以准确区别各个对象，进而影响后续应用的顺利实施。有鉴于此，如何准确区分检测各个对象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检测及相关模型的训练方法、相关装置、设备和介质。
[0005]本申请第一方面提供了一种图像检测模型的训练方法，包括：获取样本医学图像及其参考信息；其中，参考信息包括样本医学图像中目标像素点对应的第一距离，第一距离表征目标像素点至第一参考位置的实际距离，且第一参考位置表示目标像素点所属样本对象的中心位置；利用图像检测模型对样本医学图像进行处理，得到第一处理结果；其中，第一处理结果包括目标像素点对应的第二距离，第二距离表征目标像素点至第一参考位置的预测距离；基于目标像素点对应的第一距离与第二距离，得到差异信息，并基于差异信息，调整图像检测模型的网络参数。
[0006]因此，获取样本医学图像及其参考信息，且参考信息包括样本医学图像中目标像素点对应的第一距离，第一距离表征目标像素点至第一参考位置的实际距离，第一参考位置表示目标像素点所属样本对象的中心位置，在此基础上，利用图像检测模型对样本医学图像进行处理，得到第一处理结果，且第一处理结果包括目标像素点对应的第二距离，第二距离表征目标像素点至第一参考位置的预测距离，以及基于目标像素点对应的第一距离与第二距离，得到差异信息，并基于差异信息，调整图像检测模型的网络参数，故通过约束第一距离与第二距离之间的差异，能够使得图像检测模型学习到目标像素点的中心距离特征，有利于提升图像检测模型对样本对象的感知，进而能够有利于准确区分检测各个对象。
[0007]其中，差异信息包括第一差异信息，基于目标像素点对应的第一距离与第二距离，得到差异信息，包括：对于各个目标像素点，基于目标像素点对应的第一距离与第二距离之间的差值，得到第一子损失，并基于目标像素点对应的第一距离，得到第一权重，以及基于第一子损失和第一权重，得到目标像素点的第一损失；基于各个目标像素点的第一损失，得到第一差异信息。
[0008]因此，差异信息包括第一差异信息，且对于各个目标像素点，基于目标像素点对应的第一距离与第二距离之间的差值，得到第一子损失，并基于目标像素点对应的第一距离，
得到第一权重，以及基于第一子损失和第一权重，得到目标像素点的第一损失，从而基于各个目标像素点的第一损失，得到第一差异信息，故能够在损失计算过程中，基于第一距离对第一子损失进行自适应加权，有利于进一步提升检测精度。
[0009]其中，目标像素点位于样本医学图像的目标区域，目标区域包括样本对象的中心区域和边缘区域，目标像素点包括第一目标像素点、第二目标像素点中至少一者，第一目标像素点位于中心区域，第二目标像素点位于边缘区域，且第一目标像素点对应的第一权重与第一目标像素点对应的第一距离正相关，第二目标像素点对应的第一权重与第二目标像素点对应的第一距离正相关。
[0010]因此，目标像素点位于样本医学图像的目标区域，目标区域包括样本对象的中心区域和边缘区域，目标像素点包括第一目标像素点、第二目标像素点中至少一者，第一目标像素点位于中心区域，第二目标像素点位于边缘区域，且第一目标像素点对应的第一权重与第一目标像素点对应的第一距离正相关，第二目标像素点对应的第一权重与第二目标像素点对应的第一距离正相关，一方面有利于在训练过程中使图像检测模型着重学习目标区域的中心距离特征，另一方面有利于灵活控制图像检测模型在训练过程中对目标像素点的关注度。
[0011]其中，目标区域还包括与样本对象无关的背景区域，目标像素点还包括第三目标像素点，第三目标像素点位于背景区域，且第三目标像素点对应的第一权重为预设数值。
[0012]因此，目标区域还包括与样本对象无关的背景区域，目标像素点还包括第三目标像素点，第三目标像素点位于背景区域，且第三目标像素点对应的第一权重为预设数值，故能够在提升图像检测模型对目标区域的感知的基础上，进一步提升图像检测模型对背景区域的感知，有利于提升图像检测模型的检测性能。
[0013]其中，第一距离位于预设范围内，预设范围包括下限值和上限值；在目标像素点对应的第一距离位于下限值与第一数值之间的情况下，目标像素点位于边缘区域，在目标像素点对应的第一距离位于第二数值与上限值之间的情况下，目标像素点位于中心区域，且第二数值不小于第一数值。
[0014]因此，第一距离位于预设范围内，预设范围包括下限值和上限值，且在目标像素点对应的第一距离位于下限值与第一数值之间的情况下，目标像素点位于边缘区域，在目标像素点对应的第一距离位于第二数值与上限值之间的情况下，目标像素点位于中心区域，且第二数值小于第一数值，即第一距离越接近于下限值表示目标像素点越接近于边缘，而第一距离越接近于上限值表示目标像素点越接近于中心，故通过控制第一数值和第二数值，即可灵活控制所选择的目标像素点，有利于提升图像检测模型对目标区域的感知范围。
[0015]其中，第一距离的获取步骤包括：统计实际距离中的最大值和最小值，并获取最大值和最小值的第一差值；对于属于样本对象的各个目标像素点，获取实际距离与最小值的第二差值，并基于第二差值与第一差值之间的比值，得到第一距离；其中，第一距离与比值负相关。
[0016]因此，统计实际距离中的最大值和最小值，并获取最大值和最小值的第一差值，对属于样本对象的各个目标像素点，获取实际距离与最小值的第二差值，并基于第二差值与第一差值之间的比值，得到第一距离，且第一距离与比值负相关，故通过简单运算即可得到第一距离，有利于降低计算第一距离的复杂度。
[0017]其中，参考信息还包括目标像素点的第一标记，第一标记表征目标像素点实际是否属于样本对象，差异信息还包括第二差异信息，且图像检测模型包括特征提取网络和语义分割网络；在基于差异信息，调整图像检测模型的网络参数之前，方法还包括：获取特征提取网络提取得到的若干样本特征图；利用语义分割网络分别对若干样本特征图进行处理，得到各个样本特征图对应的第二处理结果；其中，第二处理结果包括目标像素点的第二标记，且第二标记表征目标像素点预测是否属于样本对象；对于各个样本特征图，基于第一标记和第二标记之间的差异，得到第二子损失，并基于样本特征图的分辨率，得到第二权重，以及基于第二子损失和第二权重，得到样本特征图对应的第二损失；其中，第二权重与分辨率正相关；基于若干样本特征图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测模型的训练方法，其特征在于，包括：获取样本医学图像及其参考信息；其中，所述参考信息包括所述样本医学图像中目标像素点对应的第一距离，所述第一距离表征所述目标像素点至第一参考位置的实际距离，且所述第一参考位置为所述目标像素点所属样本对象的中心位置；利用图像检测模型对所述样本医学图像进行处理，得到第一处理结果；其中，所述第一处理结果包括所述目标像素点对应的第二距离，所述第二距离表征所述目标像素点至所述第一参考位置的预测距离；基于所述目标像素点对应的第一距离与第二距离，得到差异信息，并基于所述差异信息，调整所述图像检测模型的网络参数。2.根据权利要求1所述的方法，其特征在于，所述差异信息包括第一差异信息，所述基于所述目标像素点对应的第一距离与第二距离，得到差异信息，包括：对于各个所述目标像素点，基于所述目标像素点对应的第一距离与第二距离之间的差值，得到第一子损失，并基于所述目标像素点对应的第一距离，得到第一权重，以及基于所述第一子损失和所述第一权重，得到所述目标像素点的第一损失；基于各个所述目标像素点的第一损失，得到所述第一差异信息。3.根据权利要求2所述的方法，其特征在于，所述目标像素点位于所述样本医学图像的目标区域，所述目标区域包括所述样本对象的中心区域和边缘区域，所述目标像素点包括第一目标像素点、第二目标像素点中至少一者，所述第一目标像素点位于所述中心区域，所述第二目标像素点位于所述边缘区域，且所述第一目标像素点对应的第一权重与所述第一目标像素点对应的第一距离正相关，所述第二目标像素点对应的第一权重与所述第二目标像素点对应的第一距离正相关。4.根据权利要求3所述的方法，其特征在于，所述目标区域还包括与所述样本对象无关的背景区域，所述目标像素点还包括第三目标像素点，所述第三目标像素点位于所述背景区域，且所述第三目标像素点对应的第一权重为预设数值。5.根据权利要求3所述的方法，其特征在于，所述第一距离位于预设范围内，所述预设范围包括下限值和上限值；其中，在所述目标像素点对应的第一距离位于所述下限值与第一数值之间的情况下，所述目标像素点位于所述边缘区域，在所述目标像素点对应的第一距离位于第二数值与所述上限值之间的情况下，所述目标像素点位于所述中心区域，且所述第二数值不小于所述第一数值。6.根据权利要求5所述的方法，其特征在于，所述第一距离的获取步骤包括：统计所述实际距离中的最大值和最小值，并获取所述最大值和所述最小值的第一差值；对于属于所述样本对象的各个所述目标像素点，获取所述实际距离与所述最小值的第二差值，并基于所述第二差值与所述第一差值之间的比值，得到所述第一距离；其中，所述第一距离与所述比值负相关。7.根据权利要求1至6任一项所述的方法，其特征在于，所述参考信息还包括所述目标像素点的第一标记，所述第一标记表征所述目标像素点实际是否属于所述样本对象，所述差异信息还包括第二差异信息，且所述图像检测模型包括特征提取网络和语义分割网络；
在所述基于所述差异信息，调整所述图像检测模型的网络参数之前，所述方法还包括：获取所述特征提取网络提取得到的若干样本特征图；利用所述语义分割网络分别对所述若干样本特征图进行处理，得到各个所述样本特征图对应的第二处理结果；其中，所述第二处理结果包括所述目标像素点的第二标记，且所述第二标记表征所述目标像素点预测是否属于所述样本对象；对于各个所述样本特征图，基于所述第一标记和所述第二标记之间的差异，得到第二子损失，并基于所述样本特征图的分辨率，得到第二权重，以及基于所述第二子损失和所述第二权重，得到所述样本特征图对应的第二损失；其中，所述第二权重与所述分辨率正相关；基于所述若干样本特征图分别对应的第二损失，得到所述第二差异信息。8.根据权利要求1至7任一项所述的方法，其特征在于，所述参考信息还包括所述目标像素点对应的第一偏离信息，所述第一偏离信息包括所述目标像素点分别至若干第一参考边界的实际距离，且所述若干第一参考边界所形成的第一参考区域包围所述目标像素点所属的样本对象，所述差异信息还包括第三差异信息，且所述图像检测模型包括特征提取网络和偏离检测网络；在所述基于所述差异信息，调整所述图像检测模型的网络参数之前，所述方法还包括：获取所述特征提取网络提取得到的目标特征图；其中，所述目标特征图与所述样本医学图像具有相同分辨率；利用所述偏离检测网络对所述目标特征图进行处理，得到第三处理结果；其中，所述第三处理结果包括所述目标像素点对应的第二偏离信息，且所述第二偏离信息包括所述目标像素点分别至所述若干第一参考边界的预测距离；对于属于所述样本对象的各个所述目标像素点，基于所述目标像素点对应的第一偏离信息和第二偏离信息之间的差异，得到第三子损失，并基于所述目标...

【专利技术属性】
技术研发人员：叶宇翔，陈翼男，朱雅靖，
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：