【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种图像分割方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在医学图像分割领域，针对医学图像的分割一般是通过训练样本训练一个图像分割模型，通过图像分割模型进行医学图像的智能分割。
2、传统的图像分割模型的训练方法中，一般是采用有标签的监督训练，即每个医学图像预先做好标注，通过具有标注的医学图像进行图像分割模型的训练。然而，医学图像的标注较难获得，使得存在标注的医学图像较少，由此导致可用于模型训练的训练样本较少，影响所训练的图像分割模型的准确性。
3、目前虽然已有一些利用影像报告和医学图像进行预训练的方法，但该方法要求医学图像和报告必须配对。在医学图像没有匹配的报告的情况下，将会影响对医学图像的分割结果的准确性。
技术实现思路
1、基于此，有必要针对上述对图像的分割结果的准确性较低技术问题，提供一种图像分割方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种图像分割方法。所述方法包括：
3、获取检测对象的待分割图像以及与所述待分割图像不匹配的影像报告；所述影像报告与所述检测对象相关联；
4、根据所述影像报告，生成与所述待分割图像匹配的伪报告；
5、根据所述待分割图像和所述伪报告，对所述待分割图像进行分割，得到所述待分割图像中的感兴趣区域。
6、在其中一个实施例中，所述根据所述待分割图像和所述伪报告，对所述待分割图像
7、提取所述待分割图像的图像特征，以及提取所述伪报告的文本特征；
8、根据所述图像特征和所述文本特征，对所述待分割图像进行分割，得到所述待分割图像中的感兴趣区域。
9、在其中一个实施例中，通过图像分割模型执行所述图像分割方法，所述图像分割模型通过下述方式训练得到：
10、获取样本对象的配对数据集、不配对数据集和有标签数据集；所述配对数据集包括配对的第一医学图像和第一影像报告；所述不配对数据集包括不存在配对的医学图像的第二影像报告；所述有标签数据集包括第三医学图像和所述第三医学图像的真实感兴趣区域；
11、通过所述配对数据集，对图像分割模型中的图像编码器和第一文本编码器进行联合预训练，得到预训练的图像编码器和预训练的第一文本编码器；
12、通过所述不配对数据集，对所述图像分割模型中的文本解码器进行训练，得到预训练的文本解码器；
13、通过所述有标签数据集，对所述图像分割模型中的分割模块进行训练，得到训练好的分割模块；
14、基于所述预训练的图像编码器、所述预训练的第一文本编码器、所述预训练的文本解码器和所述训练好的分割模块，得到图像分割模型。
15、在其中一个实施例中，通过所述不配对数据集，对所述图像分割模型中的文本解码器进行训练，得到预训练的文本解码器，包括：
16、将所述不配对数据集中的第二影像报告，输入所述文本解码器，得到预测伪报告；
17、基于所述预测伪报告和所述第一医学图像的图像特征，对所述文本解码器进行训练，得到预训练的文本解码器。
18、在其中一个实施例中，所述不配对数据集中还包括不存在配对的影像报告的第二医学图像；所述方法还包括：
19、将所述不配对数据集中的第二影像报告，输入所述预训练的文本解码器，得到所述第二影像报告对应的伪报告；
20、通过预训练的第二文本编码器，对所述第二影像报告对应的伪报告与所述第二医学图像进行配对识别，得到具有配对关系的目标伪报告和目标第二医学图像；
21、将所述目标伪报告和所述目标第二医学图像组成新的配对数据集，通过所述新的配对数据集，对所述预训练的图像编码器和预训练的第一文本编码器进行再次联合训练，得到再次训练的图像编码器和再次训练的第一文本编码器。
22、在其中一个实施例中，通过所述不配对数据集，对所述图像分割模型中的第二文本编码器进行训练，得到预训练的第二文本编码器，包括：
23、将所述不配对数据集中的第二影像报告，输入所述第二文本编码器，得到所述第二影像报告的文本特征；
24、基于所述第二影像报告的文本特征和所述第一医学图像的图像特征，对所述第二文本编码器进行训练，得到预训练的第二文本编码器。
25、在其中一个实施例中，所述通过所述有标签数据集，对所述图像分割模型中的分割模块进行训练，得到训练好的分割模块，包括：
26、通过所述预训练的图像编码器，对所述有标签数据集中的第三医学图像进行编码处理，得到所述第三医学图像的图像特征；
27、通过所述预训练的文本解码器和所述预训练的第一文本编码器，对抽样影像报告进行处理，得到与所述第三医学图像匹配的伪报告的文本特征；所述抽样影像报告为从所述匹配数据集和所述不匹配数据集中随机收取的影像报告；
28、将所述第三医学图像的图像特征和所述与所述第三医学图像匹配的伪报告的文本特征，输入所述分割模块，得到针对所述第三医学图像的预测感兴趣区域；
29、保持所述预训练的图像编码器、所述预训练的第一文本编码器和所述预训练的文本解码器的参数不变，通过所述预测感兴趣区域和所述第三医学图像的真实感兴趣区域，对所述图像分割模型中的分割模块进行训练，得到训练好的分割模块。
30、第二方面，本申请还提供了一种图像分割装置。所述装置包括：
31、图像获取单元，用于获取检测对象的待分割图像以及与所述待分割图像不匹配的影像报告；所述影像报告与所述检测对象相关联；
32、报告生成单元，用于根据所述影像报告，生成与所述待分割图像匹配的伪报告；
33、图像分割单元，用于根据所述待分割图像和所述伪报告，对所述待分割图像进行分割，得到所述待分割图像中的感兴趣区域。
34、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
35、获取检测对象的待分割图像以及与所述待分割图像不匹配的影像报告；所述影像报告与所述检测对象相关联；
36、根据所述影像报告，生成与所述待分割图像匹配的伪报告；
37、根据所述待分割图像和所述伪报告，对所述待分割图像进行分割，得到所述待分割图像中的感兴趣区域。
38、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
39、获取检测对象的待分割图像以及与所述待分割图像不匹配的影像报告；所述影像报告与所述检测对象相关联；
40、根据所述影像报告，生成与所述待分割图像匹配的伪报告；
41、根据所述待分割图像和所述伪报告，对所述待本文档来自技高网...
【技术保护点】
1.一种图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述待分割图像和所述伪报告，对所述待分割图像进行分割，得到所述待分割图像中的感兴趣区域，包括：
3.根据权利要求1所述的方法，其特征在于，通过图像分割模型执行所述图像分割方法，所述图像分割模型通过下述方式训练得到：
4.根据权利要求3所述的方法，其特征在于，通过所述不配对数据集，对所述图像分割模型中的文本解码器进行训练，得到预训练的文本解码器，包括：
5.根据权利要求3所述的方法，其特征在于，所述不配对数据集中还包括不存在配对的影像报告的第二医学图像；所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述预训练的第二文本编码器通过下述方式训练得到：
7.根据权利要求3所述的方法，其特征在于，所述通过所述有标签数据集，对所述图像分割模型中的分割模块进行训练，得到训练好的分割模块，包括：
8.一种图像分割装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的图像分割方法的步骤。
...【技术特征摘要】
1.一种图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述待分割图像和所述伪报告，对所述待分割图像进行分割，得到所述待分割图像中的感兴趣区域，包括：
3.根据权利要求1所述的方法，其特征在于，通过图像分割模型执行所述图像分割方法，所述图像分割模型通过下述方式训练得到：
4.根据权利要求3所述的方法，其特征在于，通过所述不配对数据集，对所述图像分割模型中的文本解码器进行训练，得到预训练的文本解码器，包括：
5.根据权利要求3所述的方法，其特征在于，所述不配对数据集中还包括不存在配对的影像报告的第二医学图像；所述方法还包括：
6...
【专利技术属性】
技术研发人员：王梅云，吴青霞，
申请(专利权)人：北京联影智能影像技术研究院，
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。