【技术实现步骤摘要】
本专利技术实施例涉及医学图像处理，尤其涉及一种模型训练、目标检测方法、装置、电子设备及存储介质。
技术介绍
1、在医学图像处理领域中，利用医学图像进行肺癌的早期筛查，这对于提高患者生存率和降低治疗成本至关重要。
2、经临床实践发现，相较于单模态医学图像，多模态医学图像可以提供更加全面的病灶信息，从而可以显著提高肺癌筛查的准确率。
3、但在实际应用中，有标签(具体说是检测标签)的多模态医学图像较稀缺，这限制了深度学习等先进技术在多模态医学图像检测中的应用。因此，如何在检测标签不足的情况下，利用多模态医学图像实现待检目标的准确检测，亟待解决。
技术实现思路
1、本专利技术实施例提供了一种模型训练、目标检测方法、装置、电子设备及存储介质，以在检测标签不足的情况下，实现多模态医学图像中待检目标的准确检测。
2、根据本专利技术的一方面，提供了一种模型训练方法，可以包括：
3、获取第一样本对象的针对待检部位采集到的第一医学图像，并将第一医学图像作为一组重构训练样本，基于多组重构训练样本，训练原始图像重构模型，得到目标图像重构模型；
4、获取第二样本对象的针对待检部位采集到的第二医学图像和第三医学图像，以及获取第二医学图像针对待检部位上的待检目标的检测标签，其中，第一医学图像和第二医学图像在同一成像模态下采集到，第二医学图像和第三医学图像在不同成像模态下采集到；
5、基于第二医学图像、第三医学图像以及检测标签，得到一组多模态
6、根据本专利技术的另一方面，提供了一种目标检测方法，可以包括：
7、获取按照本专利技术任意实施例所提供的模型训练方法训练得到的多模态目标检测模型；
8、针对多模态目标检测模型所检测的待检目标以及在多模态目标检测模型的训练过程中应用的两种成像模态，获取目标对象的针对待检目标在两种成像模态下分别采集到的第五医学图像和第六医学图像；
9、将第五医学图像和第六医学图像，输入到多模态目标检测模型中，并根据多模态目标检测模型的输出结果，得到待检目标的检测结果。
10、根据本专利技术的另一方面，提供了一种模型训练装置，可以包括：
11、目标图像重构模型得到模块，用于获取第一样本对象的针对待检部位采集到的第一医学图像，并将第一医学图像作为一组重构训练样本，基于多组重构训练样本，训练原始图像重构模型，得到目标图像重构模型；
12、检测标签获取模块，用于获取第二样本对象的针对待检部位采集到的第二医学图像和第三医学图像，以及获取第二医学图像针对待检部位上的待检目标的检测标签，其中，第一医学图像和第二医学图像在同一成像模态下采集到，第二医学图像和第三医学图像在不同成像模态下采集到；
13、多模态目标检测模型得到模块，用于基于第二医学图像、第三医学图像以及检测标签，得到一组多模态检测训练样本，并基于多组多模态检测训练样本，训练目标图像重构模型，得到用于检测待检目标的多模态目标检测模型。
14、根据本专利技术的另一方面，提供了一种目标检测装置，可以包括：
15、多模态目标检测模型获取模块，用于获取按照本专利技术任意实施例所提供的模型训练方法训练得到的多模态目标检测模型；
16、医学图像获取模块，用于针对多模态目标检测模型所检测的待检目标以及在多模态目标检测模型的训练过程中应用的两种成像模态，获取目标对象的针对待检目标在两种成像模态下分别采集到的第五医学图像和第六医学图像；
17、检测结果得到模块，用于将第五医学图像和第六医学图像，输入到多模态目标检测模型中，并根据多模态目标检测模型的输出结果，得到待检目标的检测结果。
18、根据本专利技术的另一方面，提供了一种电子设备，可以包括：
19、至少一个处理器；以及
20、与至少一个处理器通信连接的存储器；其中，
21、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器执行时实现本专利技术任意实施例所提供的模型训练方法或是目标检测方法。
22、根据本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令用于使处理器执行时实现本专利技术任意实施例所提供的模型训练方法或是目标检测方法。
23、本专利技术实施例的技术方案，通过获取第一样本对象的针对待检部位采集到的第一医学图像，并将第一医学图像作为一组重构训练样本，基于多组重构训练样本，训练原始图像重构模型，得到目标图像重构模型，利用大量未标注的第一医学图像实现原始图像重构模型对第一医学图像深层特征的学习；获取第二样本对象的针对待检部位采集到的第二医学图像和第三医学图像，以及获取第二医学图像针对待检部位上的待检目标的检测标签，其中，第一医学图像和第二医学图像在同一成像模态下采集到，第二医学图像和第三医学图像在不同成像模态下采集到，通过获取检测标签和不同成像模态的医学图像以进一步的对目标图像重构模型进行多模态的训练；基于第二医学图像、第三医学图像以及检测标签，得到一组多模态检测训练样本，并基于多组多模态检测训练样本，训练目标图像重构模型，得到用于检测待检目标的多模态目标检测模型，通过有限的有标签的多模态检测训练样本对目标图像重构模型再次进行训练，可以得到准确的用于检测待检目标的多模态目标检测模型。上述技术方案，利用大量无标签的第一医学图像训练原始图像重构模型，得到目标图像重构模型，利用少量有标签的第二医学图像以及第三医学图像，训练目标图像重构模型，得到用于检测待检目标的多模态目标检测模型，实现了在标签不足的情况下，对多模态医学图像中待检目标的准确检测。
24、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或是重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，在所述单模态目标检测模型的输入通道个数由1修改为2的情况下，所述基于多组所述多模态检测训练样本，训练所述单模态目标检测模型，得到用于检测所述待检目标的多模态目标检测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二医学图像、所述第三医学图像以及所述检测标签，得到一组多模态检测训练样本，包括：
5.根据权利要求1所述的方法，其特征在于，所述第二医学图像和第三医学图像中的一个是计算机断层扫描图像并且另一个是正电子发射断层扫描图像。
6.一种目标检测方法，其特征在于，包括：
7.一种模型训练装置，其特征在于，包括：
8.一种目标检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现如权利要求1-
...【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，在所述单模态目标检测模型的输入通道个数由1修改为2的情况下，所述基于多组所述多模态检测训练样本，训练所述单模态目标检测模型，得到用于检测所述待检目标的多模态目标检测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二医学图像、所述第三医学图像以及所述检测标签，得到一组多模态检测训练样本，包括：
5.根据权利要求1所述的方法，...
【专利技术属性】
技术研发人员：张配配，闵祥德，冯朝燕，范婵媛，蔡威，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
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。