[發明專利]網絡模型訓練方法、圖像分割方法、病灶定位方法

在審

• 申請號: 202010099732.6
• 申請日: 2020-02-18
• 公開（公告）號: CN111340209A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 張歡;劉恩佑;趙朝煒;李新陽;陳寬;王少康
• 申請（專利權）人: 北京推想科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06T7/00;G06T7/11;G06T7/13
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 秦衛中

公開了一種網絡模型訓練方法及裝置、圖像分割方法及裝置、病灶定位方法及裝置、計算機可讀存儲介質及電子設備。該網絡模型訓練方法包括：基于包括待分割目標的樣本圖像確定待分割目標對應的第一類標記信息和第二類標記信息；基于第一類標記信息、第二類標記信息以及樣本圖像確定訓練數據；確定初始網絡模型，并基于訓練數據訓練初始網絡模型，以生成分割網絡模型，其中，分割網絡模型用于確定待分割圖像對應的圖像分割信息。本公開實施例提供的網絡模型訓練方法，能夠有效提高標記的有效信息使用量，進而有效提高所訓練的分割網絡模型的分割精準度。

技術領域

本公開涉及圖像處理技術領域，具體涉及網絡模型訓練方法及裝置、圖像分割方法及裝置、病灶定位方法及裝置、計算機可讀存儲介質及電子設備。

背景技術

圖像分割技術作為圖像處理技術領域和計算機視覺技術領域的重要組成部分，其重要性不言而喻。尤其是在醫學圖像的應用場景(比如病灶定位場景)中，圖像分割技術的優劣能夠直接影響病灶的定位精準度，進而直接影響后續輔助診斷效果。

然而，由于醫學圖像中常常包括形狀不規則和/或邊界不清晰的人體或動物體的組織器官結構，因此，現有應用到醫學圖像的應用場景中的圖像分割方法存在分割精準度差、魯棒性差以及成本較高等諸多缺陷。

發明內容

為了解決上述技術問題，提出了本公開。本公開的實施例提供了一種網絡模型訓練方法及裝置、圖像分割方法及裝置、病灶定位方法及裝置、計算機可讀存儲介質及電子設備。

在一方面，本公開實施例提供了一種網絡模型訓練方法，該網絡模型訓練方法包括：基于包括待分割目標的樣本圖像確定待分割目標對應的第一類標記信息和第二類標記信息；基于第一類標記信息、第二類標記信息以及樣本圖像確定訓練數據；確定初始網絡模型，并基于訓練數據訓練初始網絡模型，以生成分割網絡模型，其中，分割網絡模型用于確定待分割圖像對應的圖像分割信息。

在本公開一實施例中，訓練數據包括第一組訓練數據和第二組訓練數據，基于第一類標記信息、第二類標記信息以及樣本圖像確定訓練數據包括：基于第一類標記信息和樣本圖像確定第一組訓練數據；基于第二類標記信息和樣本圖像確定第二組訓練數據。其中，基于訓練數據訓練初始網絡模型，以生成分割網絡模型，包括：基于第一組訓練數據和第二組訓練數據并行訓練初始網絡模型，以生成分割網絡模型。

在本公開一實施例中，樣本圖像對應有樣本圖像序列，基于訓練數據訓練初始網絡模型，以生成分割網絡模型，包括：基于樣本圖像序列確定多幅與樣本圖像存在序列關聯關系的關聯圖像；將多幅關聯圖像和樣本圖像輸入至初始網絡模型，并結合訓練數據調整初始網絡模型的網絡參數，以生成分割網絡模型。

在本公開一實施例中，待分割目標包括至少一個第一級分割區域，每一第一級分割區域包括多個第二級分割區域，其中，第一類標記信息包括第一級分割區域對應的邊界輪廓信息，第二類標記信息包括第二級分割區域對應的區域框選信息。

在本公開一實施例中，樣本圖像為醫學圖像，初始網絡模型包括多層損失函數層，并且多層損失函數層之間存在遞進關系。

在本公開一實施例中，醫學圖像為肺部醫學圖像，待分割目標為包括多個肺葉和多個肺段的肺器官，初始網絡模型包括三層損失函數層，其中，第一層損失函數層包括與左右肺對應的損失函數，第二層損失函數層包括與多個肺葉對應的損失函數，第三層損失函數層包括與多個肺段對應的損失函數。

在另一方面，本公開實施例提供了一種圖像分割方法，該圖像分割方法包括：將待分割圖像輸入至分割網絡模型，以確定待分割圖像對應的圖像分割信息，其中，分割網絡模型基于上述任一實施例所提及的網絡模型訓練方法獲得；基于圖像分割信息對待分割圖像進行圖像分割操作。