本发明专利技术提供一种目标分割模型的训练、病灶分割方法及装置，涉及人工智能技术领域，目标分割模型的训练方法包括：基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型；基于样本图像以及样本图像的目标分割结果，对预训练自监督模型进行有监督训练，获得训练好的目标分割模型，以供对输入图像进行目标分割；样本特征向量群基于样本图像获得。本发明专利技术提供的目标分割模型的训练、病灶分割方法及装置，能基于少量样本图像，获得数据量较大、像素级的样本特征向量群，能通过像素级的自监督对比学习以及有监督训练，在不降低目标分割模型的分割准确率的基础上，提高目标分割模型的训练效率。提高目标分割模型的训练效率。提高目标分割模型的训练效率。
【技术实现步骤摘要】
目标分割模型的训练、病灶分割方法及装置
[0001]本专利技术涉及人工智能
，尤其涉及一种目标分割模型的训练、病灶分割方法及装置。
技术介绍
[0002]随着人工智能技术的不断发展，基于人工智能技术对图像进行目标分割已成为研究热点。
[0003]现有技术中，可以基于有监督学习对目标分割模型进行训练，进而可以基于训练好的目标分割模型对图像中的目标进行分割。基于有监督学习训练得到的目标分割模型的分割准确率，与已标注的训练数据的数据量正相关。
[0004]但是，获取训练数据之后，对上述训练数据进行标注，所需投入的人工成本和时间成本较高，模型训练效率较低。随着自监督学习方法的出现，可以使得模型训练不完全依赖已标注的训练数据。但是，由于医学图像的分割（例如病灶的分割）问题相较于医学图像分类问题或其他目标分割问题而言更加复杂，现有技术中基于自监督学习方法进行医学图像分割的准确率不高。因此，如何在不降低目标分割模型的分割准确率的基础上，提高目标分割模型的训练效率，是本领域亟待解决的技术问题。
技术实现思路
[0005]本专利技术提供一种目标分割模型的训练、病灶分割方法及装置，用以解决现有技术中目标分割模型的训练效率较低的缺陷，实现在不降低目标分割模型分割准确率的基础上，提高目标分割模型的训练效率。
[0006]本专利技术提供一种目标分割模型的训练方法，包括：基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型；基于样本图像以及所述样本图像的目标分割结果，对所述预训练自监督模型进行有监督训练，获得训练好的目标分割模型，以供对输入图像进行目标分割；其中，所述样本特征向量群基于所述样本图像获得。
[0007]根据本专利技术提供的一种目标分割模型的训练方法，所述样本特征向量群基于以下步骤获得：对样本图像进行网格划分，将所述样本图像划分为多个样本子图像；对每一样本子图像进行随机数据增强，获得所述每一样本子图像的衍生图像；对所述每一样本子图像和所述每一样本子图像的衍生图像进行特征提取，获取样本特征图像；对所述样本特征图像集中的每一样本特征图像进行网格划分，将所述每一样本特征图像划分为多个样本特征子图像，进而获取由各样本特征子图像构成的所述样本特征向量群。
[0008]根据本专利技术提供的一种目标分割模型的训练方法，所述基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型，包括：基于所述样本特征子图像的映射样本图像，以及所述样本特征子图像在所述映射样本图像中的映射位置，在所述样本特征向量群中确定正样本对和负样本；基于所述正样本对和所述负样本，利用自监督对比学习对所述初始模型进行预训练，获得所述预训练自监督模型；其中，所述映射样本图像为与所述样本特征子图像具有映射关系的样本图像。
[0009]根据本专利技术提供的一种目标分割模型的训练方法，所述基于所述样本特征子图像的映射样本图像，以及所述样本特征子图像在所述映射样本图像中的映射位置，在所述样本特征向量群中确定正样本对和负样本，包括：在所述样本特征向量群中任意两张样本特征子图像的映射样本图像相同，且所述任意两张样本特征子图像在所述任意两张样本特征子图像的映射样本图像中的映射位置相同的情况下，将所述任意两张样本特征子图像确定为正样本对，将所述样本特征向量群中除所述任意两张样本特征子图像以外的各样本特征子图像确定为负样本。
[0010]根据本专利技术提供的一种目标分割模型的训练方法，所述样本特征向量群基于以下步骤获得：对所述样本图像进行随机数据增强，获得所述样本图像的衍生图像；对所述样本图像以及所述样本图像的衍生图像进行特征提取，获得样本特征图像集；对所述样本特征图像集中的每一样本特征图像进行网格划分，将所述每一样本特征图像划分为多个样本特征子图像，进而获取由各样本特征子图像构成的所述样本特征向量群。
[0011]根据本专利技术提供的一种目标分割模型的训练方法，所述样本图像为医学图像；所述样本图像的目标分割结果为所述样本图像的病灶分割结果；相应地，所述训练好的目标分割模型，可供对输入图像进行病灶分割。
[0012]本专利技术还提供一种病灶分割方法，包括：获取目标医学图像；将所述目标医学图像输入病灶分割模型，获取所述病灶分割模型输出的所述目标医学图像的病灶分割结果；其中，所述病灶分割模型，是基于如上任一所述的目标分割模型的训练方法训练得到的。
[0013]本专利技术还提供一种目标分割模型的训练装置，包括：预训练模块，用于基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型；有监督训练模块，用于基于样本图像以及所述样本图像的目标分割结果，对所述预训练自监督模型进行有监督训练，获得训练好的目标分割模型，以供对输入图像进行目标分割；其中，所述样本特征向量群基于所述样本图像获得。
[0014]本专利技术还提供一种病灶分割装置，包括：
图像获取模块，用于获取目标医学图像；病灶分割模块，用于将所述目标医学图像输入病灶分割模型，获取所述病灶分割模型输出的所述目标医学图像的病灶分割结果；其中，所述病灶分割模型，是基于如上任一所述的目标分割模型的训练方法训练得到的。
[0015]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述目标分割模型的训练方法，和/或，所述病灶分割方法。
[0016]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标分割模型的训练方法，和/或，所述病灶分割方法。
[0017]本专利技术提供的目标分割模型的训练、病灶分割方法及装置，通过基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型之后，基于样本图像以及样本图像的目标分割结果，对上述预训练自监督模型进行有监督训练，获得训练好的病灶分割模型，样本特征向量群基于样本图像获得，能基于少量样本图像，获得数据量较大、像素级的样本特征向量群，能降低获取样本图像以及对样本图像进行标注所需投入的人工成本和时间成本，能通过像素级的自监督对比学习以及有监督训练，在不降低目标分割模型的分割准确率的基础上，提高目标分割模型的训练效率。
附图说明
[0018]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术提供的目标分割模型的训练方法的流程示意图之一；图2是本专利技术提供的目标分割模型的训练方法的流程示意图之二；图3是本专利技术提供的病灶分割方法的流程示意图；图4是本专利技术提供的目标分割模型的训练装置的结构示意图；图5是本专利技术提供的病灶分割装置的结构示意图；图6是本专利技术提供的电子设备的结构示意图。
具体实施方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标分割模型的训练方法，其特征在于，包括：基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型；基于样本图像以及所述样本图像的目标分割结果，对所述预训练自监督模型进行有监督训练，获得训练好的目标分割模型，以供对输入图像进行目标分割；其中，所述样本特征向量群基于所述样本图像获得；所述样本特征向量群基于以下步骤获得：对样本图像进行网格划分，将所述样本图像划分为多个样本子图像；对每一样本子图像进行随机数据增强，获得所述每一样本子图像的衍生图像；对所述每一样本子图像和所述每一样本子图像的衍生图像进行特征提取，获取样本特征图像；对所述样本特征图像集中的每一样本特征图像进行网格划分，将所述每一样本特征图像划分为多个样本特征子图像，进而获取由各样本特征子图像构成的所述样本特征向量群；或者，所述样本特征向量群基于以下步骤获得：对所述样本图像进行随机数据增强，获得所述样本图像的衍生图像；对所述样本图像以及所述样本图像的衍生图像进行特征提取，获得样本特征图像集；对所述样本特征图像集中的每一样本特征图像进行网格划分，将所述每一样本特征图像划分为多个样本特征子图像，进而获取由各样本特征子图像构成的所述样本特征向量群。2.根据权利要求1所述的目标分割模型的训练方法，其特征在于，所述基于样本特征向量群，利用自监督对比学习对初始模型进行预训练，获得预训练自监督模型，包括：基于所述样本特征子图像的映射样本图像，以及所述样本特征子图像在所述映射样本图像中的映射位置，在所述样本特征向量群中确定正样本对和负样本；基于所述正样本对和所述负样本，利用自监督对比学习对所述初始模型进行预训练，获得所述预训练自监督模型；其中，所述映射样本图像为与所述样本特征子图像具有映射关系的样本图像。3.根据权利要求2所述的目标分割模型的训练方法，其特征在于，所述基于所述样本特征子图像的映射样本图像，以及所述样本特征子图像在所述映射样本图像中的映射位置，在所述样本特征向量群中确定正样本对和负样本，包括：在所述样本特征向量群中任意两张样本特征子图像的映射样本图像相同，且所述任意两张样本特征子图像在所述任意两张样本特征子图像的映射样本图像中的映射位置相同的情况下，将所述任意两张样本特征子图像确定为正样本对，将所述样本特征向量群中除所述任意两张样本特征子图像以外的各样本特征子图像确定为负样本。4.根据权利要求1至3任一所述的目标分割模型的训练方法，其特征在于，所述样本图像为医学图像；所述样本图像的目标分割结果为所述...
【专利技术属性】
技术研发人员：尹芳，邓小宁，马杰，郭鹏，
申请(专利权)人：北方健康医疗大数据科技有限公司，
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。