【技术实现步骤摘要】
本申请涉及人工智能，具体涉及一种生成图像分割模型的方法、图像分割的方法及装置。
技术介绍
1、随着深度学习技术的快速发展，基于深度学习的医学图像分割在医学领域也得到了广泛的应用；其中，医学图像分割是指将医学图像中的不同结构或区域进行精确划分和标记的过程。这一过程旨在识别和分离出图像中感兴趣的解剖结构、器官、组织或病变，以便进一步的分析、诊断和治疗规划。
2、相关技术中的图像分割模型如sam(segment anything model)，能够实现精准图像分割，但其训练过程需要处理超过1100万张图像和10亿个掩码，导致训练时间长，训练效率低。
技术实现思路
1、有鉴于此，本申请实施例致力于提供一种生成图像分割模型的方法、图像分割的方法及装置，以缩短训练时间，提高训练效率。
2、第一方面，提供了一种生成图像分割模型的方法，该装置图像分割模型包括分别部署在各计算节点上的卷积算子，该方法包括：获取图像样本集，各图像样本上标注有分割掩码；将各图像样本划分成多个图像块，并分别...
【技术保护点】
1.一种生成图像分割模型的方法，其中，所述图像分割模型包括分别部署在各计算节点上的卷积算子，所述方法包括：
2.根据权利要求1所述的方法，其中，所述特征提取处理包括：
3.根据权利要求1或2所述的方法，其中，在得到各图像块的局部特征之前，所述方法还包括：
4.根据权利要求1所述的方法，其中，所述方法应用于主节点，在获取图像样本集之前，所述方法还包括：
5.根据权利要求4所述的方法，所述分别将各图像块分配至对应的计算节点，包括：
6.根据权利要求1所述的方法，其中，所述图像分割模型的结构包括编码器、解码器和头部...
【技术特征摘要】
1.一种生成图像分割模型的方法，其中，所述图像分割模型包括分别部署在各计算节点上的卷积算子，所述方法包括：
2.根据权利要求1所述的方法，其中，所述特征提取处理包括：
3.根据权利要求1或2所述的方法，其中，在得到各图像块的局部特征之前，所述方法还包括：
4.根据权利要求1所述的方法，其中，所述方法应用于主节点，在获取图像样本集之前，所述方法还包括：
5.根据权利要求4所述的方法，所述分别将各图像块分配至对应的计算节点，包括：
6.根据权利要求1所述的方法，其中，所述图像分割模型的结构包括...
【专利技术属性】
技术研发人员：张欢，王伟，尹思源，王瑜，沈宏，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
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。