【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 ...
【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:
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。