【技术实现步骤摘要】
病灶掩膜图像生成方法及装置
[0001]本专利技术涉及人工智能
,尤其涉及一种病灶掩膜图像生成方法及装置。
技术介绍
[0002]随着计算机技术的发展,影像设备逐渐数字化,数字化影像传输和电子胶片应运而生,众多传统医院已纷纷向数字化转型,在加快就诊效率的同时也加大了医生对医学影像数据的审核量。因此,利用深度学习技术实现医学影像的智能诊辅来减轻医生的工作量,已成为当前的研究热点。深度学习技术是通过网络模型自主学习数据特征的方式实现对模型的训练,模型性能的优劣与训练所使用的标注样本量成正比,标注样本量越大而且样本越具有多样性,训练所得的网络模型的性能就越好。
[0003]然而,并非所有的疾病都能在短期内累积出足以训练高精度模型的样本数据量,而且在实际场景中,样本图像的背景差异比较大,病灶类型多样。以胶囊内窥镜图像为例,收集样本,尤其是不同类型带病灶的样本图像有限,而且只能由专业医生进行图像标注,需花费较多的时间、人力和物力成本。因此,如何大量生成用于模型训练的高质量病灶图像,是亟需解决的结束问题。
技术实现思路
[0004]本专利技术提供一种病灶掩膜图像生成方法及装置,用以解决如何大量生成用于模型训练的高质量病灶图像的问题。
[0005]本专利技术提供一种病灶掩膜图像生成方法,包括:获取至少一个包括病灶的第一图像;将各所述第一图像分别输入病灶掩膜图像生成网络,得到所述病灶掩膜图像生成网络输出的各所述第一图像对应的至少一个病灶掩膜图像;所述病灶掩膜图像生成网络是基于包括病灶的样本图像和 ...
【技术保护点】
【技术特征摘要】
1.一种病灶掩膜图像生成方法,其特征在于,包括:获取至少一个包括病灶的第一图像;将各所述第一图像分别输入病灶掩膜图像生成网络,得到所述病灶掩膜图像生成网络输出的各所述第一图像对应的至少一个病灶掩膜图像;所述病灶掩膜图像生成网络是基于包括病灶的样本图像和不包括病灶的样本图像进行训练得到的,所述病灶掩膜图像生成网络用于生成各所述第一图像对应的至少一个病灶掩膜图像;所述病灶掩膜图像表示病灶所在区域的图像。2.根据权利要求1所述的病灶掩膜图像生成方法,其特征在于,所述病灶掩膜图像生成网络包括图像生成网络和背景编码器;所述图像生成网络包括图像合成网络;所述将各所述第一图像分别输入病灶掩膜图像生成网络,得到所述病灶掩膜图像生成网络输出的各所述第一图像对应的至少一个病灶掩膜图像,包括:将各所述第一图像分别输入至所述背景编码器,得到所述背景编码器输出的各所述第一图像分别对应的至少一个第一隐向量;将各所述第一隐向量输入至所述图像合成网络,得到所述图像合成网络输出的第一生成图像;基于所述第一生成图像,重复迭代执行所述得到所述图像合成网络输出的第一生成图像的步骤,得到至少一个第二生成图像;计算最后一次所述图像合成网络输出的各所述第二生成图像和各所述第一图像之间的差值;基于各所述差值,确定各所述第一图像对应的至少一个病灶掩膜图像。3.根据权利要求2所述的病灶掩膜图像生成方法,其特征在于,所述病灶掩膜图像生成网络还包括背景分类网络,所述背景编码器包括骨干网络、特征金字塔模块和至少一个风格生成模块;所述将各所述第一图像分别输入至所述背景编码器,得到所述背景编码器输出的各所述第一图像分别对应的至少一个第一隐向量,包括:针对每个第一图像,将所述第一图像输入至所述骨干网络,得到所述骨干网络输出的至少一个不同尺度的第一特征图像;将尺度最小的第一特征图像输入至所述背景分类网络,得到所述背景分类网络输出的背景向量;将各所述不同尺度的第一特征图像输入至所述特征金字塔模块,得到所述特征金字塔模块输出的至少一个不同尺度的第二特征图像;基于所述至少一个不同尺度的第二特征图像、所述背景向量和各所述风格生成模块,确定各所述风格生成模块分别输出的所述第一隐向量。4.根据权利要求3所述的病灶掩膜图像生成方法,其特征在于,所述基于所述至少一个不同尺度的第二特征图像、所述背景向量和各所述风格生成模块,确定各所述风格生成模块分别输出的所述第一隐向量,包括:将预设尺度的多个第二特征图像和所述背景向量分别输入各所述风格生成模块中的多个第一风格生成模块,得到各所述第一风格生成模块分别输出的所述第一隐向量;将除所述预设尺度的多个第二特征图像之外的多个第二特征图像分别输入各所述风
格生成模块中除各所述第一风格生成模块之外的多个第二风格生成模块,得到各所述第二风格生成模块分别输出的所述第一隐向量。5.根据权利要求4所述的病灶掩膜图像生成方法,其特征在于,所述风格生成模块包括多个卷积层、压平层和第一全连接层;所述将预设尺度的多个第二特征图像和所述背景向量分别输入各所述风格生成模块中的多个第一风格生成模块,得到各所述第一风格生成模块分别输出的所述第一隐向量,包括:针对每个预设尺度的第二特征图像,将所述第二特征图像依次输...
【专利技术属性】
技术研发人员:陈裕潮,周可,王羽嗣,刘思德,
申请(专利权)人:广州思德医疗科技有限公司,
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。