医学图像处理模型的训练方法、图像处理方法、装置制造方法及图纸

本公开提供了医学图像处理模型的训练方法、图像处理方法、装置，涉及图像处理领域，尤其涉及医学图像处理领域。其中，训练方法包括：获取第一训练样本集合和第二训练样本集合；第一训练样本集合包含标注有对应至少一个任务类别的标注信息的第一医学图像样本；第二训练样本集合包含标注有目标任务类别的标注信息的第二医学图像样本；采用第一训练样本集合对预训练模型进行多任务训练，得到多任务处理模型；采用第二训练样本集合对多任务模型的模型参数进行微调，得到目标任务类别的医学图像处理模型。理模型。理模型。

【技术实现步骤摘要】
医学图像处理模型的训练方法、图像处理方法、装置


[0001]本公开涉及图像处理
，尤其涉及医学图像处理


技术介绍

[0002]目前，采用深度学习模型对光学设备采集得到的光学图像进行图像处理取得了巨大成功，但是医学图像的成像原理与光学图像的成像原理不同，两者的图像特性也不同，采用现有的深度学习模型对医学图像进行图像处理的效果不理想。
[0003]对于医学图像而言，医学图像标注的难度较大，一般只有资深的医生提供的标注信息才能被认可，加上医学图像的隐私性，这两方面的原因导致无法获取大量的医学图像样本，无法在医学图像上进行大规模数据的有监督训练，也就无法得到较精确的医学图像处理模型。

技术实现思路

[0004]本公开提供了一种医学图像处理模型的训练方法、图像处理方法、装置、设备、存储介质以及计算机程序产品。
[0005]根据本公开的一方面，提供了一种一种医学图像处理模型的训练方法，包括：
[0006]获取第一训练样本集合和第二训练样本集合；所述第一训练样本集合包含多张第一医学图像样本，每张第一医学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像处理模型的训练方法，包括：获取第一训练样本集合和第二训练样本集合；所述第一训练样本集合包含多张第一医学图像样本，每张第一医学图像样本标注有对应至少一个任务类别的标注信息，所有第一医学图像样本的标注信息对应的任务类别不完全相同；所述第二训练样本集合包含多张第二医学图像样本，每张第二医学图像样本标注有目标任务类别的标注信息；采用所述第一训练样本集合中的第一医学图像样本对预训练模型进行多任务训练，得到多任务处理模型；所述多任务处理模型用于提取与所述第一医学图像样本对应的任务类别相关的医学图像特征并根据所述医学图像特征输出对应于所述任务类别的任务处理结果；采用所述第二训练样本集合中的第二医学图像样本对所述多任务模型的模型参数进行微调，得到所述目标任务类别的医学图像处理模型。2.根据权利要求1所述的医学图像处理模型的训练方法，其中，所述采用所述第一训练样本集合中的第一医学图像样本对预训练模型进行多任务训练包括：对于每张第一医学图像样本，将所述第一医学图像样本输入所述预训练模型，以由所述预训练模型提取与所述第一医学图像样本对应的任务类别相关的医学图像特征并根据所述医学图像特征输出对应于任务类别的任务处理结果；根据所述任务处理结果与所述第一医学图像样本的标注信息的损失误差调整所述预训练模型的模型参数。3.根据权利要求2所述的医学图像处理模型的训练方法，其中，所述根据所述任务处理结果与所述第一医学图像样本的标注信息的损失误差调整所述预训练模型的模型参数包括，确定与所述第一医学图像样本对应的任务类别相匹配的损失函数；采用所述相匹配的损失函数计算所述任务处理结果与所述第一医学图像样本的标注信息的损失误差；确定所述相匹配的损失函数的梯度值；根据所述损失误差和所述梯度值调整所述预训练模型的模型参数。4.根据权利要求3所述的医学图像处理模型的训练方法，其中，所述根据所述损失误差和所述梯度值调整所述预训练模型的模型参数包括：根据所述损失误差和所述梯度值的优化目标调整所述预训练模型的模型参数；所述优化目标包括以下至少之一：本轮迭代调整后的模型参数与上一轮迭代调整后的模型参数的差值小于差值阈值、学习率呈余弦函数周期变化。5.根据权利要求2所述的医学图像处理模型的训练方法，其中，所述将所述第一医学图像样本输入所述预训练模型包括，确定与所述第一医学图像样本对应的任务类别相匹配的全连接层；将所述第一医学图像样本输入所述全连接层，并将所述全连接层的输出结果输入所述预训练模型。6.根据权利要求2所述的医学图像处理模型的训练方法，其中，所述将所述第一医学图像样本输入所述预训练模型包括：将乱序排列的任务类别对应的第一图像样本依次输入所述预训练模型。
7.根据权利要求1所述的医学图像处理模型的训练方法，还包括：获取第三训练集合，所述第三训练集合包括多个医学图像组，每个医学图像组包括第三医学图像样本和对比图像样本；采用所述第三训练集合中的第三医学图像样本和所述对比图像样本对神经网络进行对比学习，得到所述预训练模型。8.根据权利要求7所述的医学图像处理模型的训练方法，所述第三医学图像样本和对比图像样本通过以下步骤得到：采用预设剪裁比例对医学图像进行剪裁，得到剪裁子图像，将所述剪裁子图像随机旋转两个角度，得到所述第三医学图像样本和所述对比图像样本；和/或，采用预设剪裁比例对医学图像的不同区域进行剪裁，得到尺寸相同的两张剪裁子图像，分别将两张剪裁子图像随机旋转两个角度，得到所述第三医学图像样本和所述对比图像样本；和/或，采用不同预设剪裁比例对医学图像进行剪裁，得到尺寸不同的两张剪裁子图像，分别将两张剪裁子图像随机旋转两个角度，得到所述第三医学图像样本和所述对比图像样本。9.根据权利要求1
‑
8中任意项所述的医学图像处理模型的训练方法，其中，所述所有第一医学图像样本的标注信息对应的任务类别包含所述目标任务类别。10.一种图像处理方法，包括：获取待处理的医学图像；将所述医学图像输入医学图像处理模型，根据所述医学图像处理模型从所述医学图像中提取与目标任务类型相关的图像特征，并根据所述图像特征输出对应于所述目标任务类型的任务处理结果；其中，所述医学图像处理模型采用第二训练样本集合对多任务模型的模型参数进行微调得到，所述多任务模型采用第一训练样本集合对预训练模型进行多任务训练得到；所述第一训练样本集合包含多张第一医学图像样本，每张第一医学图像样本标注有对应至少一个任务类别的标注信息，所有第一医学图像样本的标注信息对应的任务类别不完全相同；所述第二训练样本集合包含多张第二医学图像样本，每张第二医学图像样本标注有目标任务类别的标注信息。11.根据权利要求10所述的图像处理方法，所述目标任务类型为图像分割任务、目标检测任务、图像分类任务中的一种；所述第一医学图像样本对应的任务类别包括图像分割任务、目标检测任务、图像分类任务中的至少两种。12.一种医学图像处理模型的训练装置，包括：获取模块，用于获取第一训练样本集合和第二训练样本集合；所述第一训练样本集合包含多张第一医学图像样本，每张第一医学图像样本标注有对应至少一个任务类别的标注信息，所有第一医学图像样本的标注信息对应的任务类别不完全相同；所述第二训练样本集合包含多张第二医学图像样本，每张第二医学图像...

【专利技术属性】
技术研发人员：王庆忠，廖伟斌，熊昊一，李徐泓，刘毅，陈泽裕，许言午，黄思羽，窦德景，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：