图像分割模型的训练方法、分割方法、装置、设备和介质制造方法及图纸

本说明书实施方式提供了一种图像分割模型的训练方法、分割方法、装置、设备和介质。所述图像分割模型包括编码器和分割解码器；所述方法包括：使用所述编码器提取无标注样本图像的图像特征；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。通过将第一掩码信息和第一重构图像与无标注图像之间的差异作为第二掩码信息计算图像分割模型的损失，从而更新图像分割模型，实现了在对训练样本进行少量标注的情况下，提升图像分割模型分割目标对象的准确性。提升图像分割模型分割目标对象的准确性。提升图像分割模型分割目标对象的准确性。

【技术实现步骤摘要】
图像分割模型的训练方法、分割方法、装置、设备和介质


[0001]本说明书实施方式涉及图像处理领域，具体涉及图像分割模型的训练方法、分割方法、装置、设备和介质。

技术介绍

[0002]随着医学影像检查对于辅助医学诊疗的作用逐渐提升，医学影像的数据量也呈现出逐渐增长的态势。由于医生对于医学影像的读取诊断时间长、工作量大、易于疲劳、人工判读受经验的影响存在误差等情况，计算机辅助诊断系统大大减少了医生的工作量，提高了诊断的效率和准确性。现有的计算机辅助诊断方法主要是采用基于监督学习的深度模型对病灶区域进行分割，然而基于监督学习的深度学习模型需要医生对大量的训练样本进行标注，从而提升了医生的工作量，且由于医生经验不足，对训练样本的标注容易引入人工误差。

技术实现思路

[0003]有鉴于此，本说明书多个实施方式致力于提供一种图像分割模型的训练方法、分割方法、装置、设备和介质，以提供一种在对标注样本较少的情况下，可以在一定程度上提升图像分割模型准确性的方法。
[0004]本说明书一个实施方式提出了一种图像分割模型的训练方法，包括：使用所述编码器提取无标注样本图像的图像特征；其中，所述无标注样本图像对应有基础图像；其中，所述基础图像中不存在目标对象；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；其中，所述第一掩码信息用于表示所述无标注样本图像中潜在的目标对象的第一预测区域；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；其中，所述第二掩码信息用于表示所述无标注样本图像中潜在的目标对象的第二预测区域；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。
[0005]本说明书一个实施方式提出了一种图像分割方法，包括：对初始图像进行预处理，得到目标图像；将所述目标图像输入图像分割模型的编码器中，提取所述目标图像的图像特征；将所述目标图像的图像特征输入所述图像分割模型的分割解码器中，得到所述目标图像中表示目标对象的像元；其中，所述图像分割模型使用如上述实施方式中任一所述的方法训练得到。
[0006]本说明书一个实施方式提出了一种图像分割模型的训练装置，所述训练装置包括编码器和分割解码器，所述训练装置包括：特征提取模块，用于使用所述编码器提取无标注样本图像的图像特征；其中，所述无标注样本图像对应有基础图像；其中，所述基础图像中不存在目标对象；第一掩码信息确定模块，用于将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；其中，所述第一掩码信息用于表示所述无标注样本图像中潜在的目标对象的第一预测区域；第二掩码信息确定模块，用于基于所述基础图像和所
述无标注样本图像之间的差异确定第二掩码信息；其中，所述第二掩码信息用于表示所述无标注样本图像中潜在的目标对象的第二预测区域；图像分割模型更新模块，用于根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。
[0007]本说明书一个实施方式提出了一种图像分割装置，包括：预处理模块，用于对初始图像进行预处理，得到目标图像；特征提取模块，用于将所述目标图像输入图像分割模型的编码器中，提取所述目标图像的图像特征；图像分割模块，用于将所述目标图像的图像特征输入所述图像分割模型的分割解码器中，得到所述目标图像中表示目标对象的像元；其中，所述图像分割模型使用如上述实施方式中所述的方法训练得到。
[0008]本说明书一个实施方式提出了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述实施方式中所述的方法。
[0009]本说明书一个实施方式提出了一种计算机可读存储介质，包括：所述存储介质存储有计算机程序，所述计算机程序用于执行上述实施方式中所述的方法。
[0010]本说明书多个实施方式通过构造一个分割解码器和一个重建解码器，将分割解码器生成的第一掩码信息和基础未标注样本图像对应的基础图像特征重建的基础图像与未标注样本图像之间差异确定的第二掩码信息之间的共同损失更新图像分割模型，从而使得在标注的训练样本较少的情况下，提升图像分割模型分割目标对象的准确性。
附图说明
[0011]图1所示为一实施方式提供的一个场景示例中图像分割模型的训练方法的示意图。
[0012]图2所示为一实施方式提供的一个场景示例中不同端交互的示意图。
[0013]图3所示为一实施方式提供的图像分割模型的训练方法的流程示意图。
[0014]图4所示为一实施方式提供的图像分割方法的流程示意图。
[0015]图5所示为一实施方式提供的图像分割模型的训练装置示意图。
[0016]图6所示为一实施方式提供的图像分割装置示意图。
[0017]图7所示为一实施方式提供的电子设备的示意图。
具体实施方式
[0018]为了使本
的人员更好的理解本说明书方案，下面将结合本说明书实施方式中的附图，对本说明书实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅是本说明书一部分实施方式，而不是全部的实施方式。基于本说明书中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本说明书保护的范围。
[0019]请参阅图1，本说明书实施方式提供一种图像分割模型训练方法的场景示例。患者因为肺部问题在医院就诊时，医生可以为患者开具医学影像检查单进行一次肺部CT(Computed Tomography，计算机断层扫描)检查，并生成肺部图像序列发送给客户端供医生查看，并可以对肺部图像序列中不同扫描层上的病灶区域进行标注。服务器可以用于获取所述客户端中的肺部图像序列中的扫描层作为训练样本集训练图像分割模型。其中，服务器获取的扫描层包括健康人肺部扫描图像H
‑
image、有明确诊断信息的肺部扫描图像P
‑
image和未标注的扫描图像R
‑
image。服务器上还可以存储有预先设置的初始图像分割模型，可以包括编码器、重建解码器和分割解码器。
[0020]首先，服务器可以将H
‑
image输入到编码器中提取H
‑
image的图像特征，然后将H
‑
image的图像特征存储到存储记忆模块中作为基础图像特征，并且将基础图像特征输入到重建解码器中得到重建后的健康人肺部扫描图像H'
‑
image。基于H
‑
image和H'
‑
image计算健康人肺部扫描图像的重建损失。
[0021]随后，服务器可以针对有明确诊断信息的肺部扫描图像P
‑
image和未标注的肺部扫描图像R
‑
image进行协同训练。
[0022]对于有明确诊断信息的肺部扫描图像P
‑
image，服务器将P
‑
image输入到编码器中提取P
‑
image的本文档来自技高网...

【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，所述图像分割模型包括编码器和分割解码器；所述方法包括：使用所述编码器提取无标注样本图像的图像特征；其中，所述无标注样本图像对应有基础图像；其中，所述基础图像中不存在目标对象；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；其中，所述第一掩码信息用于表示所述无标注样本图像中潜在的目标对象的第一预测区域；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；其中，所述第二掩码信息用于表示所述无标注样本图像中潜在的目标对象的第二预测区域；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述无标注样本图像的图像特征对应的基础图像特征；其中，所述基础图像特征是基于没有目标对象的样本图像生成的；使用所述基础图像特征重构对应所述无标注样本图像的基础图像；相应的，基于根据所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息的步骤，包括：将所述基础图像和所述无标注样本图像中相同位置的像素强度差大于或等于预设阈值的像素集合作为第二掩码信息。3.根据权利要求2所述的方法，其特征在于，所述图像分割模型还包括用于根据图像特征重构图像的重建解码器，所述方法还包括：使用所述编码器提取没有目标对象的样本图像的图像特征，作为基础图像特征；将所述基础图像特征输入到所述重建解码器中，得到所述没有目标对象的样本图像对应的基础图像；基于所述基础图像和所述没有目标对象的样本图像，生成所述没有目标对象的样本图像的第一重建损失；根据所述共同损失和所述第一重建损失更新所述图像分割模型。4.根据权利要求3所述的方法，其特征在于，所述无标注样本图像具有相邻样本图像，所述方法还包括：获取所述无标注样本图像的第一扩展图像特征；其中，所述第一扩展图像特征是基于所述无标注样本图像对应的基础图像特征和所述相邻样本图像的图像特征生成的；将所述第一扩展图像特征输入到所述重建解码器中，生成所述无标注样本图像的重构图像；根据所述无标注样本图像的重构图像和所述无标注样本图像生成无标注样本图像的第二重建损失；根据所述共同损失、所述第一重建损失和所述第二重建损失更新所述图像分割模型。5.根据权利要求4所述的方法，其特征在于，所述无标注样本图像的重构图像用于表征所述无标注样本图像；在基于根据所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息的步骤中，包括：在基于根据所述基础图像和所述无标注样本图像的重构图像之间的差异确定第二掩码信息。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
使用所述编码器提取有标注样本图像的标注样本图像特征；确定所述标注样本图像特征对应的基础图像特征；将所述基础图像特征输入到所述重建解码器中，得到所述标注样本图像对应的基础图像；基于所述基础图像、所述标注样本图像和所述标注样本图像的标注信息，生成所述标注样本图像的基础重建损失；根据所述共同损失、所述第一重建损失、所述第二重建损失和所述基础重建损失更新所述图像分割模型。7.根据权利要求6所述的方法，其特征在于，基于所述基础图像、所述标注样本图像和所述标注样本图像的标注信息，生成所述标注样本图像的基础重建损失的步骤，包括：计算所述标注样本图像中非目标对象的像元与所述标注样本图像中非目标对象的像元对应于所述基础图像中像元的非目标对象重建损失；计算所述标注样本图像中表示目标对象的像元与所述标注样...

【专利技术属性】
技术研发人员：于朋鑫，王大为，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：