基于神经网络模型对医学图像的勾画方法和装置制造方法及图纸

本申请公开了一种基于神经网络模型对医学图像的勾画方法和装置。该方法包括：获取待勾画的目标医学图像；将所述待勾画的目标医学图像输入到目标神经网络模型中，通过所述目标神经网络模型得到所述待勾画的目标医学图像对应的勾画结果，其中，所述目标神经网络模型由未进行图像勾画的训练样本医学图像对初始神经网络模型进行优化得到。通过本申请，解决了相关技术中通过带有临床医生手动标注得到的样本图像训练得到的神经网络模型泛化能力低，导致对医学图像勾画的准确度比较低的问题。题。题。

【技术实现步骤摘要】
基于神经网络模型对医学图像的勾画方法和装置


[0001]本申请涉及图像处理
，具体而言，涉及一种基于神经网络模型对医学图像的勾画方法和装置。

技术介绍

[0002]在机器学习与深度学习中通常存在训练数据和实际应用中的数据存在差异的现象，这种现象会导致神经网络模型表现不佳的问题，同时神经网络模型还会受到在实际应用中一些变化的影响，例如，还可能会受到天气、传感器型号等方面的影响。在医学领域中，医学图像由于采集设备的型号、患者姿态以及患者形态存在很大的差异性，这也进一步地加剧了现有神经网络模型在医学图像勾画上表现不佳的问题。
[0003]针对相关技术中通过带有临床医生手动标注得到的样本图像训练得到的神经网络模型泛化能力低，导致对医学图像勾画的准确度比较低的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请的主要目的在于提供一种基于神经网络模型对医学图像的勾画方法和装置，以解决相关技术中通过带有临床医生手动标注得到的样本图像训练得到的神经网络模型泛化能力低，导致对医学图像勾画的准确度比较低的问题。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种基于神经网络模型对医学图像的勾画方法。该方法包括：获取待勾画的目标医学图像；将所述待勾画的目标医学图像输入到目标神经网络模型中，通过所述目标神经网络模型得到所述待勾画的目标医学图像对应的勾画结果，其中，所述目标神经网络模型由未进行图像勾画的训练样本医学图像对初始神经网络模型进行优化得到。
[0006]进一步地，在将所述待勾画的目标医学图像输入到目标神经网络模型中之前，所述方法还包括：获取所述初始神经网络模型；获取第一训练样本集，其中，所述第一训练样本集中至少包括多个未进行图像勾画的训练样本医学图像；依据所述训练样本医学图像对所述初始神经网络模型进行优化训练，得到所述目标神经网络模型。
[0007]进一步地，依据所述训练样本医学图像对所述神经网络模型进行优化训练，得到所述目标神经网络模型包括：通过所述初始神经网络模型对所述训练样本医学图像进行勾画，得到预测勾画结果；依据所述预测勾画结果进行熵值计算，得到熵最小化函数；依据所述熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型。
[0008]进一步地，通过所述预测勾画结果进行熵值计算，得到熵最小化函数包括：获取对所述初始神经网络模型进行优化训练的优化次数；依据所述优化次数进行计算，得到目标权重值；依据所述预测勾画结果和所述目标权重值进行熵值计算，得到所述熵最小化函数。
[0009]进一步地，在通过所述预测勾画结果进行熵值计算，得到熵最小化函数之后，所述方法还包括：依据当前的预测勾画结果对应的熵最小化函数进行计算，得到目标损失值；依
据所述目标损失值对所述当前的预测勾画结果对应的熵最小化函数进行平滑处理，得到平滑后的熵最小化函数；依据所述熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型包括：依据所述平滑后的熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型。
[0010]进一步地，所述熵最小化函数为：，其中，所述为所述熵最小化函数，为所述预测勾画结果，i为第i个训练样本医学图像，t为所述目标权重值；所述目标权重值计算公式为：，其中，s为所述优化次数。
[0011]进一步地，依据所述目标损失值对所述当前的预测勾画结果对应的熵最小化函数进行平滑处理对应的计算公式为：，其中，D为平滑后的熵最小化函数，为所述目标损失值。
[0012]进一步地，依据所述训练样本医学图像对所述神经网络模型进行优化训练，得到所述目标神经网络模型包括：若所述初始神经网络模型中包括归一化层，则依据所述训练样本医学图像对所述初始神经网络模型中的归一化层进行优化训练，得到所述目标神经网络模型；若所述初始神经网络模型中不包括归一化层，则依据所述训练样本医学图像对所述初始神经网络模型中的偏置层进行优化训练，得到所述目标神经网络模型。
[0013]进一步地，获取所述初始神经网络模型包括：获取第二训练样本集，其中，所述第二训练样本集中至少包括多个训练样本图像和每个训练样本图像对应的真实标签；依据所述多个训练样本图像和每个训练样本图像对应的真实标签进行模型训练得到所述初始神经网络模型。
[0014]为了实现上述目的，根据本申请的另一方面，提供了一种基于神经网络模型对医学图像的勾画装置。该装置包括：第一获取单元，用于获取待勾画的目标医学图像；输出单元，用于将所述待勾画的目标医学图像输入到目标神经网络模型中，通过所述目标神经网络模型得到所述待勾画的目标医学图像对应的勾画结果，其中，所述目标神经网络模型由未进行图像勾画的训练样本医学图像对初始神经网络模型进行优化得到。
[0015]进一步地，所述装置还包括：第二获取单元，用于在将所述待勾画的目标医学图像输入到目标神经网络模型中之前，获取所述初始神经网络模型；第三获取单元，用于获取第一训练样本集，其中，所述第一训练样本集中至少包括多个未进行图像勾画的训练样本医学图像；训练单元，用于依据所述训练样本医学图像对所述初始神经网络模型进行优化训练，得到所述目标神经网络模型。
[0016]进一步地，所述训练单元包括：勾画模块，用于通过所述初始神经网络模型对所述训练样本医学图像进行勾画，得到预测勾画结果；计算模块，用于依据所述预测勾画结果进行熵值计算，得到熵最小化函数；优化模块，用于依据所述熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型。
[0017]进一步地，所述计算模块包括：获取子模块，用于获取对所述初始神经网络模型进行优化训练的优化次数；第一计算子模块，用于依据所述优化次数进行计算，得到目标权重值；第二计算子模块，用于依据所述预测勾画结果和所述目标权重值进行熵值计算，得到所述熵最小化函数。
[0018]进一步地，所述装置还包括：计算单元，用于在通过所述预测勾画结果进行熵值计算，得到熵最小化函数之后，依据当前的预测勾画结果对应的熵最小化函数进行计算，得到目标损失值；平滑单元，用于依据所述目标损失值对所述当前的预测勾画结果对应的熵最小化函数进行平滑处理，得到平滑后的熵最小化函数；优化模块还用于依据所述平滑后的熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型。
[0019]进一步地，所述熵最小化函数为：，其中，所述为所述熵最小化函数，为所述预测勾画结果，i为第i个训练样本医学图像，t为所述目标权重值；所述目标权重值计算公式为：，其中，s为所述优化次数。
[0020]进一步地，依据所述目标损失值对所述当前的预测勾画结果对应的熵最小化函数进行平滑处理对应的计算公式为：，其中，D为平滑后的熵最小化函数，为所述目标损失值。
[0021]进一步地，所述训练单元包括：第一训练模块，用于若所述初始神经网络模型中包括归一化层，则依据所述训练样本医学图像对所述初始神经网络模型中的归一化层进行优化训练，得到所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型对医学图像的勾画方法，其特征在于，包括：获取待勾画的目标医学图像；将所述待勾画的目标医学图像输入到目标神经网络模型中，通过所述目标神经网络模型得到所述待勾画的目标医学图像对应的勾画结果，其中，所述目标神经网络模型由未进行图像勾画的训练样本医学图像对初始神经网络模型进行优化得到。2.根据权利要求1所述的方法，其特征在于，在将所述待勾画的目标医学图像输入到目标神经网络模型中之前，所述方法还包括：获取所述初始神经网络模型；获取第一训练样本集，其中，所述第一训练样本集中至少包括多个未进行图像勾画的训练样本医学图像；依据所述训练样本医学图像对所述初始神经网络模型进行优化训练，得到所述目标神经网络模型。3.根据权利要求2所述的方法，其特征在于，依据所述训练样本医学图像对所述神经网络模型进行优化训练，得到所述目标神经网络模型包括：通过所述初始神经网络模型对所述训练样本医学图像进行勾画，得到预测勾画结果；依据所述预测勾画结果进行熵值计算，得到熵最小化函数；依据所述熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型。4.根据权利要求3所述的方法，其特征在于，通过所述预测勾画结果进行熵值计算，得到熵最小化函数包括：获取对所述初始神经网络模型进行优化训练的优化次数；依据所述优化次数进行计算，得到目标权重值；依据所述预测勾画结果和所述目标权重值进行熵值计算，得到所述熵最小化函数。5.根据权利要求3所述的方法，其特征在于，在通过所述预测勾画结果进行熵值计算，得到熵最小化函数之后，所述方法还包括：依据当前的预测勾画结果对应的熵最小化函数进行计算，得到目标损失值；依据所述目标损失值对所述当前的预测勾画结果对应的熵最小化函数进行平滑处理，得到平滑后的熵最小化函数；依据所述熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型包括：依据所述平滑后的熵最小化函数对所述初始神经网络模型进行优化，得到所述目标神经网络模型。6.根据权利要求4所述的方法，其特征在于，所述熵最小化函数为：，其中，所述为所述熵最...

【专利技术属性】
技术研发人员：周琦超，马永康，
申请(专利权)人：福建自贸试验区厦门片区Manteia数据科技有限公司，
类型：发明
国别省市：