图像分割模型确定方法以及图像分割方法技术

本说明书实施例提供了图像分割模型确定方法以及图像分割方法，其中，图像分割模型确定方法包括确定包含目标对象的第一图像样本集以及第二图像样本集；根据第一图像样本集中的第一图像样本，确定特征提取模型；将第二图像样本输入特征提取模型，获得第二图像样本的第二特征图像；根据第二特征图像以及样本标签，确定图像分割模型。该方法通过无标签的第一图像样本集，训练可以实现多尺度图像特征提取的特征提取模型，使得该特征提取模型可以学习第一图像样本的丰富的、高级语义信息；然后再将该特征提取模型作为特征提取器，结合少量的有标签的第二图像样本集，训练获得图像分割模型，使得该图像分割模型后续可以进行精确的图像分割。图像分割。图像分割。

【技术实现步骤摘要】
图像分割模型确定方法以及图像分割方法


[0001]本说明书实施例涉及计算机
，特别涉及一种图像分割模型确定方法。

技术介绍

[0002]基于医疗影像的器官分割在术前规划、放疗规划、疾病早筛等方面有着重要的作用，但是由于医疗设备的性能差异、成像参数的差异、患者之间的差异、病灶形态差异等等因素，会造成医疗影像数据的多样性比较复杂，而对于多样性数据的标注是非常费时费力的，且需要专业的医学工作者进行标注，成本高昂。
[0003]因此，在面对大量的多样性比较复杂的、无标注医疗影像数据的情况下，如何利用这些大量的、无标注的医疗影像数据以及少量的、有标注的医疗影像数据，精准的实现医疗影像数据中人体组织数据的分割成为当前急需解决的技术问题。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了两种图像分割模型确定方法。本说明书一个或者多个实施例同时涉及两种图像分割模型确定装置，一种图像分割方法，一种图像分割装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种图像分割模型确定方法，包括：
[0006]确定包含目标对象的第一图像样本集以及第二图像样本集，其中，所述第二图像样本集中包括第二图像样本以及所述第二图像样本对应的样本标签；
[0007]根据所述第一图像样本集中的第一图像样本，确定特征提取模型，其中，所述特征提取模型包括编码器，所述编码器包括至少两个进行不同尺度的图像特征提取的编码层，以及设置在至少一个编码层后的、基于字典学习的向量量化模块；
[0008]将所述第二图像样本输入所述特征提取模型，获得所述第二图像样本的第二特征图像；
[0009]根据所述第二特征图像以及所述样本标签，确定图像分割模型。
[0010]根据本说明书实施例的第二方面，提供了一种图像分割模型确定装置，包括：
[0011]样本确定模块，被配置为确定包含目标对象的第一图像样本集以及第二图像样本集，其中，所述第二图像样本集中包括第二图像样本以及所述第二图像样本对应的样本标签；
[0012]第一模型确定模块，被配置为根据所述第一图像样本集中的第一图像样本，确定特征提取模型，其中，所述特征提取模型包括编码器，所述编码器包括至少两个进行不同尺度的图像特征提取的编码层，以及设置在至少一个编码层后的、基于字典学习的向量量化模块；
[0013]第一特征图像获得模块，被配置为将所述第二图像样本输入所述特征提取模型，获得所述第二图像样本的第二特征图像；
[0014]第二模型确定模块，被配置为根据所述第二特征图像以及所述样本标签，确定图像分割模型。
[0015]根据本说明书实施例的第三方面，提供了一种图像分割方法，包括：
[0016]接收用户输入的人体目标部位的CT图像，并将所述CT图像输入特征提取模型，获得所述CT图像的特征图像；
[0017]将所述特征图像输入图像分割模型，获得所述CT图像的图像分割结果，并将所述图像分割结果展示给所述用户，其中，所述特征提取模型以及所述图像分割模型为上述图像分割模型确定方法中的特征提取模型以及图像分割模型。
[0018]根据本说明书实施例的第四方面，提供了一种图像分割装置，包括：
[0019]图像接收模块，被配置为接收用户输入的人体目标部位的CT图像，并将所述CT图像输入特征提取模型，获得所述CT图像的特征图像；
[0020]图像分类模块，被配置为将所述特征图像输入图像分割模型，获得所述CT图像的图像分割结果，并将所述图像分割结果展示给所述用户，其中，所述特征提取模型以及所述图像分割模型为上述图像分割模型确定方法中的特征提取模型以及图像分割模型。
[0021]根据本说明书实施例的第五方面，提供了一种图像分割模型确定方法，包括：
[0022]响应于用户发送的图像分割模型处理请求，为所述用户展示图像输入界面；
[0023]接收所述用户通过所述图像输入界面输入的、包含目标对象的第一图像样本集以及第二图像样本集，其中，所述第二图像样本集中包括第二图像样本以及所述第二图像样本对应的样本标签；
[0024]根据所述第一图像样本集中的第一图像样本，确定特征提取模型，其中，所述特征提取模型包括编码器，所述编码器包括至少两个进行不同尺度的图像特征提取的编码层，以及设置在至少一个编码层后的、基于字典学习的向量量化模块；
[0025]将所述第二图像样本输入所述特征提取模型，获得所述第二图像样本的第二特征图像；
[0026]根据所述第二特征图像以及所述样本标签，确定图像分割模型，并将所述图像分割模型返回至所述用户。
[0027]根据本说明书实施例的第六方面，提供了一种图像分割模型确定装置，包括：
[0028]界面展示模块，被配置为响应于用户发送的图像分割模型处理请求，为所述用户展示图像输入界面；
[0029]样本接收模块，被配置为接收所述用户通过所述图像输入界面输入的、包含目标对象的第一图像样本集以及第二图像样本集，其中，所述第二图像样本集中包括第二图像样本以及所述第二图像样本对应的样本标签；
[0030]第三模型确定模块，被配置为根据所述第一图像样本集中的第一图像样本，确定特征提取模型，其中，所述特征提取模型包括编码器，所述编码器包括至少两个进行不同尺度的图像特征提取的编码层，以及设置在至少一个编码层后的、基于字典学习的向量量化模块；
[0031]第二特征图像获得模块，被配置为将所述第二图像样本输入所述特征提取模型，获得所述第二图像样本的第二特征图像；
[0032]第四模型确定模块，被配置为根据所述第二特征图像以及所述样本标签，确定图
像分割模型，并将所述图像分割模型返回至所述用户。
[0033]根据本说明书实施例的第七方面，提供了一种计算设备，包括：
[0034]存储器和处理器；
[0035]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述图像分割模型确定方法或图像分割方法的步骤。
[0036]根据本说明书实施例的第八方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述图像分割模型确定方法或图像分割方法的步骤。
[0037]根据本说明书实施例的第九方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述图像分割模型确定方法或图像分割方法的步骤。
[0038]本说明书一个实施例实现了一种图像分割模型确定方法，包括确定包含目标对象的第一图像样本集以及第二图像样本集，其中，所述第二图像样本集中包括第二图像样本以及所述第二图像样本对应的样本标签；根据所述第一图像样本集中的第一图像样本，确定特征提取模型，其中，所述特征提取模型包括编码器，所述编码器包括至少两个进行不同尺度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型确定方法，包括：确定包含目标对象的第一图像样本集以及第二图像样本集，其中，所述第二图像样本集中包括第二图像样本以及所述第二图像样本对应的样本标签；根据所述第一图像样本集中的第一图像样本，确定特征提取模型，其中，所述特征提取模型包括编码器，所述编码器包括至少两个进行不同尺度的图像特征提取的编码层，以及设置在至少一个编码层后、基于字典学习的向量量化模块；将所述第二图像样本输入所述特征提取模型，获得所述第二图像样本的第二特征图像；根据所述第二特征图像以及所述样本标签，确定图像分割模型。2.根据权利要求1所述的图像分割模型确定方法，所述根据所述第一图像样本集中的第一图像样本，确定特征提取模型，包括：将所述第一图像样本集中的第一图像样本，输入特征提取模型的编码器的当前编码层进行编码，获得所述第一图像样本在所述当前编码层的初始特征图像；在确定所述当前编码层设置有基于字典学习的向量量化模块的情况下，根据所述向量量化模块确定所述第一图像样本在所述当前编码层的目标特征图像；对所述第一图像样本在所述当前编码层的初始特征图像进行下采样后，输入所述当前编码层的下一编码层，获得所述第一图像样本在所述下一编码层的目标特征图像；将所述第一图像样本在所有编码层的目标特征图像，输入所述特征提取模型的解码器的解码层进行解码，根据解码结果训练获得所述特征提取模型，其中，所述编码器中的编码层与所述解码器中的解码层对称设置。3.根据权利要求2所述的图像分割模型确定方法，所述对所述第一图像样本在所述当前编码层的初始特征图像进行下采样后，输入所述当前编码层的下一编码层，获得所述第一图像样本在所述下一编码层的目标特征图像，包括：对所述第一图像样本在所述当前编码层的初始特征图像进行下采样后，输入所述当前编码层的下一编码层；在所述下一编码层进行编码，获得所述第一图像样本在所述下一编码层的初始特征图像；在确定所述下一编码层设置有基于字典学习的向量量化模块的情况下，根据所述向量量化模块确定所述第一图像样本在所述下一编码层的目标特征图像。4.根据权利要求3所述的图像分割模型确定方法，所述根据所述向量量化模块确定所述第一图像样本在所述当前编码层的目标特征图像，包括：根据所述向量量化模块将所述初始特征图像分解为过完备字典以及稀疏编码；根据所述过完备字典以及所述稀疏编码，确定所述第一图像样本在所述当前编码层的目标特征图像；相应地，所述根据所述向量量化模块确定所述第一图像样本在所述下一编码层的目标特征图像，包括：根据所述向量量化模块将所述初始特征图像分解为过完备字典以及稀疏编码；根据所述过完备字典以及所述稀疏编码，确定所述第一图像样本在所述下一编码层的目标特征图像。
5.根据权利要求3所述的图像分割模型确定方法，所述获得所述第一图像样本在所述当前编码层的初始特征图像之后，还包括：在确定所述当前编码层没有设置基于字典学习的向量量化模块的情况下，将所述第一图像样本在所述当前编码层的初始特征图像，确定为所述第一图像样本在所述当前编码层的目标特征图像；相应地，所述获得所述第一图像样本在所述下一编码层的初始特征图像之后，还包括：在确定所述下一编码层没有设置基于字典学习的向量量化模块的情况下，将所述第一图像样本在所述下一编码层的初始特征图像，确定为所述第一图像样本在所述下一编码层的目标特征图像。6.根据权利要求2所述的图像分割模型确定方法，所述将所述第一图像样本在所有编码层的目标特征图像，输入所述特征提取模型的解码器的解码层进行解码，根据解...

【专利技术属性】
技术研发人员：许敏丰，郭恒，张剑锋，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：