【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 ...
【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:
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。