【技术实现步骤摘要】
本专利技术实施例涉及医学图像处理领域，尤其涉及一种模型训练方法、目标分割方法及装置。
技术介绍
1、在医学图像处理领域，医学图像分割一直是辅助医生进行诊断的重要手段。示例性的，膀胱分割作为医学图像分割的一个应用，其的目的是从复杂的医学图像中准确地分割出膀胱区域，用以辅助医生对膀胱疾病进行诊断。
2、随着深度学习技术的发展，基于卷积神经网络的图像分割成为研究热点，尤其是unet及其变种因出色的分割性能而被广泛应用于医学图像分割任务中。可以理解的是，分割标签的数量会直接影响到模型的分割性能。
3、但是，医学图像的分割标签很难获取到，而基于稀缺的分割标签训练出的模型的泛化能力有限，容易出现过拟合现象，进而导致模型在新的即未标记过的医学图像上的分割性能不高，有待改进。
技术实现思路
1、本专利技术实施例提供了一种模型训练方法、目标分割方法及装置，以在分割标签有限的情况下，训练出具有较强的泛化能力的目标模型。
2、根据本专利技术的一方面，提供了一种模型训练方法，可
【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，所述基于所述第一医学图像和所述分割标签，得到一组回归训练样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一目标点为所述第一医学图像中位于所述目标的目标边界上的像素点，所述距离标签表征所述第一医学图像中位于所述目标上的像素点与所述目标边界之间的相距距离。
4.根据权利要求1所述的方法，其特征在于，所述利用所述分割学生网络和所述回归学生网络，调整所述教师网络中的网络参数，得到用于分割所述目标的目标模型，包括：
5.根据权利要求4...
【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，所述基于所述第一医学图像和所述分割标签，得到一组回归训练样本，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一目标点为所述第一医学图像中位于所述目标的目标边界上的像素点，所述距离标签表征所述第一医学图像中位于所述目标上的像素点与所述目标边界之间的相距距离。
4.根据权利要求1所述的方法，其特征在于，所述利用所述分割学生网络和所述回归学生网络，调整所述教师网络中的网络参数，得到用于分割所述目标的目标模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据各网络分别...
【专利技术属性】
技术研发人员：孙雪梅，李崇明，闵祥德，冯朝燕，张配配，
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。