目标图像处理模型训练方法、图像处理方法技术

本说明书实施例提供目标图像处理模型训练方法、图像处理方法，该目标图像处理模型训练方法包括，确定目标对象的初始图像、增强图像；将初始图像以及增强图像进行融合获得融合图像以及对初始图像进行掩码处理获得掩码图像；将融合图像输入参考图像处理模型，利用参考图像处理模型对融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征；将掩码图像输入目标图像处理模型，利用目标图像处理模型对掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；根据初始解码图像特征、初始解码分类特征、目标解码图像特征、目标解码分类特征，训练目标图像处理模型；提升利用初始图像对目标对象进行检测和分割的准确性。

【技术实现步骤摘要】

本说明书实施例涉及计算机，特别涉及目标图像处理模型训练方法、图像处理方法；本说明书一个或者多个实施例同时涉及一种目标图像处理模型训练装置，图像处理方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序产品。

技术介绍

1、随着乳腺癌筛查的普及，越来越多的人接受平扫ct（ncct，non-contrastcomputed tomography，非对比度计算机断层扫描）检查。然而，ncct检查的结果可能不如增强ct（cect，contrast-enhanced computed tomography，对比增强计算机断层扫描）检查准确，即利用平扫ct进行检查的情况下可能会影响早期诊断和治疗。

2、因此，亟需一种方法来提高平扫ct检查的诊断效果，提高平扫ct数据中肿瘤的检测敏感性和特异性。

技术实现思路

1、有鉴于此，本说明书实施例提供了一种目标图像处理模型训练方法。本说明书一个或者多个实施例同时涉及一种目标图像处理模型训练装置，图像处理方法，一种计算设备，一种计算机可读存储介质以及一种计算机程序产本文档来自技高网...

【技术保护点】

1.一种目标图像处理模型训练方法，包括：

2.根据权利要求1所述的目标图像处理模型训练方法，所述参考图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；

3.根据权利要求2所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的初始解码图像特征，确定初始解码分类特征，包括：

4.根据权利要求1所述的目标图像处理模型训练方法，所述目标图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；

5.根据权利要求4所述的目标图像处理模型训练方法，所述根据所述多个解码...

【技术特征摘要】

1.一种目标图像处理模型训练方法，包括：

2.根据权利要求1所述的目标图像处理模型训练方法，所述参考图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；

3.根据权利要求2所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的初始解码图像特征，确定初始解码分类特征，包括：

4.根据权利要求1所述的目标图像处理模型训练方法，所述目标图像处理模型包括编码器以及解码器，所述编码器通过多个编码层构成，所述解码器通过多个解码层构成；

5.根据权利要求4所述的目标图像处理模型训练方法，所述根据所述多个解码层对应的目标解码图像特征，确定目标解码分类特征，包括：

6.根据权利要求1-5任意一项所述的目标图像处理模型训练方法，所述根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型，包括：

7.根据权利要求1-5任意一项所述的目标图像处理模型训练方法，所述根据所述初始解码图像特征、所述初始解码分类特征、所述目标解码图像特征、所述目标解码分类特征，训练所述目标图像处理模型之前，还包括：

8.根据权利要求1所述的目标图像处理模型训练方法，所述将所述融合图像输入参考图像处理模型，利用所述参考图像处理模型对所述融合...

【专利技术属性】
技术研发人员：唐禹行，张灵，方伟，曹维维，莫志榮，夏英达，张建鹏，许敏丰，吕乐，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：