医学图像分割方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种医学图像分割方法、装置、存储介质及电子设备，涉及医疗技术领域。该方法包括：获取待处理的骨科医学图像；将待处理的骨科医学图像输入目标分割模型，目标分割模型是依据目标抠图蒙版、标注医学图像样本、未标注医学图像样本以及未标注医学图像样本的伪标签对学生网络训练得到的，目标抠图蒙版是通过预处理网络确定得到的，标注医学图像样本包括真实分割标签，未标注医学图像样本的伪标签是通过教师网络生成的；通过目标分割模型对待处理的骨科医学图像进行分割处理，得到目标骨科医学图像。本发明专利技术解决了现有技术中由于已标注的医学图像数据稀缺，导致训练出的医学图像分割模型存在分割准确率较低的技术问题。图像分割模型存在分割准确率较低的技术问题。图像分割模型存在分割准确率较低的技术问题。

【技术实现步骤摘要】
医学图像分割方法、装置、存储介质及电子设备


[0001]本专利技术涉及医疗
，具体而言，涉及一种医学图像分割方法、装置、存储介质及电子设备。

技术介绍

[0002]医学图像分割是医学图像处理与分析的关键步骤，从骨科医学图像（例如，CT图像）中分割内部结构，对于许多临床应用至关重要。目前已有各种基于监督学习的医学图像分割技术被广泛应用，但这些技术通常需要大量的标记数据，然而由于骨科医学图像标注过程繁琐且成本高，已标注的医学图像数据稀缺，使得训练出的医学图像分割模型分割准确率较低。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种医学图像分割方法、装置、存储介质及电子设备，以至少解决现有技术中由于已标注的医学图像数据稀缺，导致训练出的医学图像分割模型存在分割准确率较低的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种医学图像分割方法，包括：获取待处理的骨科医学图像；将待处理的骨科医学图像输入目标分割模型，其中，目标分割模型是依据目标抠图蒙版、标注医学图像样本、未标注医学图像样本以及未标注医学图像样本的伪标签对学生网络训练得到的，目标抠图蒙版是通过预处理网络确定得到的，标注医学图像样本包括真实分割标签，未标注医学图像样本的伪标签是通过教师网络生成的；通过目标分割模型对待处理的骨科医学图像进行分割处理，得到目标骨科医学图像，其中，目标骨科医学图像包括待处理的骨科医学图像中的特征对象，特征对象用于为目标对象提供数据参考。
[0006]进一步地，通过以下步骤生成目标分割模型：获取样本数据集，其中，样本数据集包括标注医学图像样本数据集和未标注医学图像样本数据集；依据目标取值范围确定随机数集合，并对随机数集合中的随机数进行排列组合处理，生成多个随机数组合，其中，每个随机数组合包含三个随机数；依据多个随机数组合生成多个初始抠图蒙版，并通过预处理网络和标注医学图像样本数据集，从多个初始抠图蒙版中确定目标抠图蒙版，其中，每个随机数组合对应一个初始抠图蒙版；通过教师网络和未标注医学图像样本数据集，生成未标注医学图像样本的伪标签；通过目标抠图蒙版对标注医学图像样本数据集、未标注医学图像样本数据集以及未标注医学图像样本的伪标签进行处理，得到目标医学图像样本和目标标签，并将目标医学图像样本和目标标签输入学生网络进行迭代训练，得到目标分割模型。
[0007]进一步地，通过预处理网络和标注医学图像样本数据集，从多个初始抠图蒙版中确定目标抠图蒙版，包括：从标注医学图像样本数据集中获取若干张标注医学图像样本，并随机从若干张标注医学图像样本中选取第一标注医学图像样本和第二标注医学图像样本；
对于多个初始抠图蒙版中的每个初始抠图蒙版，通过初始抠图蒙版从第一标注医学图像样本中抠取第一前景图像和第一前景图像对应的第一前景标签，并将第一前景图像和第一前景标签复制粘贴到第二标注医学图像样本，生成第一混合图像和第一混合标签；通过初始抠图蒙版从第二标注医学图像样本中抠取第二前景图像和第二前景图像对应的第二前景标签，并将第二前景图像和第二前景标签复制粘贴到第一标注医学图像样本，生成第二混合图像和第二混合标签；将第一混合图像、第一混合标签、第二混合图像以及第二混合标签输入预处理网络进行训练，得到第一模型参数和第一预测分割结果，并依据第一预测分割结果确定预处理网络的分割准确率，其中，第一模型参数用于输入学生网络；依据分割准确率和第一预设损失函数，对预处理网络进行迭代训练，直至分割准确率满足第一预设损失条件，得到每个初始抠图蒙版对应的多个分割准确率；计算多个分割准确率的平均值，将平均值作为每个初始抠图蒙版的分割准确率，并依据每个初始抠图蒙版的分割准确率，生成多个初始抠图蒙版对应的分割准确率集合；将分割准确率集合中最大分割准确率对应的初始抠图蒙版作为目标抠图蒙版。
[0008]进一步地，通过教师网络和未标注医学图像样本数据集，生成未标注医学图像样本的伪标签，包括：从未标注医学图像样本数据集中获取未标注医学图像样本，其中，未标注医学图像样本至少包括第一未标注医学图像样本和第二未标注医学图像样本；将第一未标注医学图像样本和第二未标注医学图像样本输入教师网络进行处理，得到第一未标注医学图像样本的第一伪标签、第二未标注医学图像样本的第二伪标签以及教师网络的网络参数。
[0009]进一步地，通过目标抠图蒙版对标注医学图像样本数据集、未标注医学图像样本数据集以及未标注医学图像样本的伪标签进行处理，得到目标医学图像样本和目标标签，包括：从标注医学图像样本数据集中获取标注医学图像样本，其中，标注医学图像样本至少包括第三标注医学图像样本和第四标注医学图像样本；通过目标抠图蒙版从第三标注医学图像样本中抠取第三前景图像和第三前景图像对应的第三前景标签，并将第三前景图像复制粘贴到第一未标注医学图像样本，生成第三混合图像，将第三前景标签复制粘贴到第一伪标签，生成第三混合标签；通过目标抠图蒙版从第二未标注医学图像样本中抠取第四前景图像，并从第二伪标签中抠取第四前景图像对应的第四前景标签，将第四前景图像和第四前景标签复制粘贴到第四标注医学图像样本，生成第四混合图像和第四混合标签；将第三混合图像和第四混合图像作为目标医学图像样本，并将第三混合标签和第四混合标签作为目标标签。
[0010]进一步地，将目标医学图像样本和目标标签输入学生网络进行迭代训练，得到目标分割模型，包括：将第一模型参数、第三混合图像、第四混合图像、第三混合标签以及第四混合标签输入学生网络进行首次训练，得到第二模型参数和第二预测分割结果，其中，第二模型参数用于输入教师网络；依据第二预测分割结果和第二预设损失函数，对学生网络进行迭代训练，直至第二预设损失函数的损失值满足第二预设损失条件，得到目标分割模型。
[0011]进一步地，在得到第二模型参数和第二预测分割结果之后，该方法还包括：对第二模型参数进行指数滑动平均处理，得到处理后的模型参数；将处理后的模型参数输入教师网络，并将教师网络的网络参数更新为处理后的模型参数，得到更新后的教师网络。
[0012]根据本专利技术实施例的另一方面，还提供了一种医学图像分割装置，包括：第一获取
单元，用于获取待处理的骨科医学图像；第一处理单元，用于将待处理的骨科医学图像输入目标分割模型，其中，目标分割模型是依据目标抠图蒙版、标注医学图像样本、未标注医学图像样本以及未标注医学图像样本的伪标签对学生网络训练得到的，目标抠图蒙版是通过预处理网络确定得到的，标注医学图像样本包括真实分割标签，未标注医学图像样本的伪标签是通过教师网络生成的；第二处理单元，用于通过目标分割模型对待处理的骨科医学图像进行分割处理，得到目标骨科医学图像，其中，目标骨科医学图像包括待处理的骨科医学图像中的特征对象，特征对象用于为目标对象提供数据参考。
[0013]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像分割方法，其特征在于，包括：获取待处理的骨科医学图像；将所述待处理的骨科医学图像输入目标分割模型，其中，所述目标分割模型是依据目标抠图蒙版、标注医学图像样本、未标注医学图像样本以及所述未标注医学图像样本的伪标签对学生网络训练得到的，所述目标抠图蒙版是通过预处理网络确定得到的，所述标注医学图像样本包括真实分割标签，所述未标注医学图像样本的伪标签是通过教师网络生成的；通过所述目标分割模型对所述待处理的骨科医学图像进行分割处理，得到目标骨科医学图像，其中，所述目标骨科医学图像包括所述待处理的骨科医学图像中的特征对象，所述特征对象用于为目标对象提供数据参考。2.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标分割模型：获取样本数据集，其中，所述样本数据集包括标注医学图像样本数据集和未标注医学图像样本数据集；依据目标取值范围确定随机数集合，并对所述随机数集合中的随机数进行排列组合处理，生成多个随机数组合，其中，每个随机数组合包含三个随机数；依据所述多个随机数组合生成多个初始抠图蒙版，并通过所述预处理网络和所述标注医学图像样本数据集，从所述多个初始抠图蒙版中确定所述目标抠图蒙版，其中，所述每个随机数组合对应一个所述初始抠图蒙版；通过所述教师网络和所述未标注医学图像样本数据集，生成所述未标注医学图像样本的伪标签；通过所述目标抠图蒙版对所述标注医学图像样本数据集、所述未标注医学图像样本数据集以及所述未标注医学图像样本的伪标签进行处理，得到目标医学图像样本和目标标签，并将所述目标医学图像样本和所述目标标签输入所述学生网络进行迭代训练，得到所述目标分割模型。3.根据权利要求2所述的方法，其特征在于，通过所述预处理网络和所述标注医学图像样本数据集，从所述多个初始抠图蒙版中确定所述目标抠图蒙版，包括：从所述标注医学图像样本数据集中获取若干张标注医学图像样本，并随机从所述若干张标注医学图像样本中选取第一标注医学图像样本和第二标注医学图像样本；对于所述多个初始抠图蒙版中的每个初始抠图蒙版，通过所述初始抠图蒙版从所述第一标注医学图像样本中抠取第一前景图像和所述第一前景图像对应的第一前景标签，并将所述第一前景图像和所述第一前景标签复制粘贴到所述第二标注医学图像样本，生成第一混合图像和第一混合标签；通过所述初始抠图蒙版从所述第二标注医学图像样本中抠取第二前景图像和所述第二前景图像对应的第二前景标签，并将所述第二前景图像和所述第二前景标签复制粘贴到所述第一标注医学图像样本，生成第二混合图像和第二混合标签；将所述第一混合图像、所述第一混合标签、所述第二混合图像以及所述第二混合标签输入所述预处理网络进行训练，得到第一模型参数和第一预测分割结果，并依据所述第一预测分割结果确定所述预处理网络的分割准确率，其中，所述第一模型参数用于输入所述学生网络；
依据所述分割准确率和第一预设损失函数，对所述预处理网络进行迭代训练，直至所述分割准确率满足第一预设损失条件，得到所述每个初始抠图蒙版对应的多个分割准确率；计算所述多个分割准确率的平均值，将所述平均值作为所述每个初始抠图蒙版的分割准确率，并依据所述每个初始抠图蒙版的分割准确率，生成所述多个初始抠图蒙版对应的分割准确率集合；将所述分割准确率集合中最大分割准确率对应的初始抠图蒙版作为所述目标抠图蒙版。4.根据权利要求2所述的方法，其特征在于，通过所述教师网络和所述未标注医学图像样本数据集，生成所述未标注医学图像样本的伪标签，包括：从所述未标注医学图像样本数据集中获取所述未标注医学图像样本，其中，所述未标注医学图像样本至少包括第...

【专利技术属性】
技术研发人员：刘兴业，顾席铭，冯彦彰，陈亚刚，
申请(专利权)人：北京壹点灵动科技有限公司，
类型：发明
国别省市：