分割模型的训练方法、息肉分割方法、装置、设备及介质制造方法及图纸

本公开实施例提供了一种分割模型的训练方法、息肉分割方法、装置、设备及介质，通过将内窥镜图像样本集中的各内窥镜图像样本分别输入教师模型和学生模型，获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息，根据教师模型处理信息和学生模型处理信息，确定各内窥镜图像样本对应的蒸馏损失函数，根据该蒸馏损失函数训练学生模型，实现采用预先训练好的教师模型指导学生模型的训练，通过教师模型的学习能力，提升学生模型的模型性能，在减小模型规模和计算复杂度的同时，保持良好的分割准确度和精度，解决了将通用分割模型应用于息肉分割场景，存在的实时性、分割准确度和精度方面的问题。准确度和精度方面的问题。准确度和精度方面的问题。

【技术实现步骤摘要】
分割模型的训练方法、息肉分割方法、装置、设备及介质


[0001]本公开实施例涉及图像处理技术，尤其涉及一种分割模型的训练方法、息肉分割方法、装置、设备及介质。

技术介绍

[0002]目前，基于图像处理的辅助诊断技术被广泛应用于各种医疗相关场景中，例如，基于通用分割模型对内窥镜图像进行息肉分割。
[0003]然而，将现有的用于图像分割的通用分割模型应用于息肉分割场景，存在因模型规模庞大、参数量较多，而无法满足实时性能要求的问题。虽然，可以通过剪枝、量化等模型压缩技术，从复杂模型中提取出轻量化模型，但是，可能会导致在处理复杂的图像分割任务时，在分割准确度和精度方面有所下降。

技术实现思路

[0004]本公开提供一种分割模型的训练方法、息肉分割方法、装置、设备及介质，可以解决将通用分割模型应用于息肉分割场景，存在的实时性、分割准确度和精度方面的问题。
[0005]第一方面，本公开实施例提供了一种分割模型的训练方法，包括：
[0006]获取内窥镜图像样本集；
[0007]将所述内窥镜图像样本集中的各内窥镜图像样本分别输入教师模型和学生模型，获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息，其中，所述教师模型为预先训练的用于分割内窥镜图像中目标对象的分割模型，所述学生模型为待训练的分割模型；
[0008]根据所述教师模型处理信息和学生模型处理信息，确定各内窥镜图像样本对应的蒸馏损失函数，根据所述蒸馏损失函数训练所述学生模型。
[0009]第二方面，本公开实施例还提供了一种息肉分割方法，包括：
[0010]获取待分割的内窥镜图像；
[0011]将所述内窥镜图像输入分割模型，获取所述内窥镜图像对应的息肉分割结果，其中，所述分割模型采用如本公开任意实施例所述的分割模型训练方法训练。
[0012]第三方面，本公开实施例还提供了一种分割模型的训练装置，包括：
[0013]样本集获取模块，用于获取内窥镜图像样本集；
[0014]信息获取模块，用于将所述内窥镜图像样本集中的各内窥镜图像样本分别输入教师模型和学生模型，获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息，其中，所述教师模型为预先训练的用于分割内窥镜图像中目标对象的分割模型，所述学生模型为待训练的分割模型；
[0015]模型训练模块，用于根据所述教师模型处理信息和学生模型处理信息，确定各内窥镜图像样本对应的蒸馏损失函数，根据所述蒸馏损失函数训练所述学生模型。
[0016]第四方面，本公开实施例还提供了一种息肉分割装置，包括：
[0017]图像获取模块，用于获取待分割的内窥镜图像；
[0018]息肉分割模块，用于将所述内窥镜图像输入分割模型，获取所述内窥镜图像对应的息肉分割结果，其中，所述分割模型采用如本公开任意实施例所述的分割模型训练方法训练。
[0019]第五方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
[0020]一个或多个处理器；
[0021]存储装置，用于存储一个或多个程序，
[0022]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开任意实施例所述的方法。
[0023]第六方面，一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开任意实施例所述的方法。
[0024]本公开实施例，通过将内窥镜图像样本集中的各内窥镜图像样本分别输入教师模型和学生模型，获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息，根据教师模型处理信息和学生模型处理信息，确定各内窥镜图像样本对应的蒸馏损失函数，根据该蒸馏损失函数训练学生模型，实现采用预先训练好的教师模型指导学生模型的训练，通过教师模型的学习能力，提升学生模型的模型性能，在减小模型规模和计算复杂度的同时，保持良好的分割准确度和精度，解决了将通用分割模型应用于息肉分割场景，存在的实时性、分割准确度和精度方面的问题。
附图说明
[0025]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0026]图1为本公开实施例提供的一种分割模型的训练方法流程示意图；
[0027]图2为本公开实施例提供的一种蒸馏算法架构图；
[0028]图3为本专利技术实施例提供的另一种分割模型的训练方法过程示意图；
[0029]图4为本专利技术实施例提供的又一种分割模型的训练方法过程示意图；
[0030]图5为本公开实施例所提供的一种息肉分割方法流程示意图；
[0031]图6为本公开实施例所提供的一种分割模型的训练装置结构示意图；
[0032]图7为本公开实施例所提供的一种息肉分割装置结构示意图；
[0033]图8为本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0034]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0035]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公
开的范围在此方面不受限制。
[0036]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0037]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0038]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0039]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0040]可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
[0041]图1为本公开实施例提供的一种分割模型的训练方法流程示意图，本公开实施例适用于对医疗图像中目标对象进行分割的分割模型训练的情形，该方法可以由分割模型的训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分割模型的训练方法，其特征在于，包括：获取内窥镜图像样本集；将所述内窥镜图像样本集中的各内窥镜图像样本分别输入教师模型和学生模型，获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息，其中，所述教师模型为预先训练的用于分割内窥镜图像中目标对象的分割模型，所述学生模型为待训练的分割模型；根据所述教师模型处理信息和学生模型处理信息，确定各内窥镜图像样本对应的蒸馏损失函数，根据所述蒸馏损失函数训练所述学生模型。2.根据权利要求1所述的方法，其特征在于，所述获取内窥镜图像样本集，包括：通过息肉分类器获取目标数据集中的内窥镜图像样本，其中，所述目标数据集为训练所述教师模型采用的样本集；对所述内窥镜图像样本进行数据增强，生成内窥镜图像样本集。3.根据权利要求1或2所述的方法，其特征在于，还包括：根据模型训练过程中各内窥镜图像样本对应的蒸馏损失函数，确定易分割内窥镜图像样本；从所述内窥镜图像样本集中删除所述易分割内窥镜图像样本。4.根据权利要求1所述的方法，其特征在于，还包括：在所述学生模型符合设定条件的情况下，将当前学生模型作为目标学生模型；获取具有分割对象标注信息的目标分割图像，基于所述目标分割图像对所述目标学生模型进行微调。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标分割图像对所述目标学生模型进行微调，包括：将所述目标分割图像输入所述目标学生模型，获取所述目标学生模型输出的分割对象预测信息；根据所述分割对象标注信息和分割对象预测信息，确定所述目标分割图像对应的分割损失函数；根据所述分割损失函数训练所述目标学生模型。6.根据权利要求1所述的方法，其特征在于，所述获取各内窥镜图像样本对应的教师模型处理信息和学生模型处理信息，包括：通过所述教师模型的图像编码器对各内窥镜图像样本进行编码，得到各内窥镜图像样本对应的第一隐藏层特征；通过所述教师模型的解码器对所述第一隐藏层特征进行解码，得到各内窥镜图像样本对应的第一分割掩码；通过所述学生模型的图像编码器对各内窥镜图像样本进行编码，得到各内窥镜图像样本对应的第二隐藏层特征；通过所述学生模型的解码器对所述第二隐藏层特征进行解码，得到各内窥镜图像样本对应的第二分割掩码。7.根据权利要求6所述的方法，其特征在于，所述根据所述教师模型处理信息和学生模型处理信息，确定各内窥镜图像样本对应的蒸馏损失函数，包括：
根据同一内窥镜图像样本对应的所述第一隐藏层特征...

【专利技术属性】
技术研发人员：杨志雄，杨延展，
申请(专利权)人：抖音视界有限公司，
类型：发明
国别省市：