[發(fā)明專利]圖像分割模型訓(xùn)練方法、圖像分割方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010139873.6
• 申請(qǐng)日: 2020-03-03
• 公開（公告）號(hào): CN111311613B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 亢寒;張榮國(guó);李新陽(yáng);王少康;陳寬
• 申請(qǐng)（專利權(quán)）人: 推想醫(yī)療科技股份有限公司
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明公開了一種圖像分割模型訓(xùn)練方法、圖像分割方法及裝置，其中，圖像分割模型訓(xùn)練方法包括：基于調(diào)節(jié)后的標(biāo)簽對(duì)圖像分割模型進(jìn)行訓(xùn)練，在保持標(biāo)簽分布趨勢(shì)不變化的基礎(chǔ)上，增加了標(biāo)簽分布的可能性，提高了圖像分割模型的訓(xùn)練效率和精度，最終達(dá)到降低假陽(yáng)率的同時(shí)改善靈敏度。本實(shí)施例的技術(shù)方案，基于調(diào)節(jié)后的標(biāo)簽對(duì)圖像分割模型進(jìn)行訓(xùn)練，在保持標(biāo)簽分布趨勢(shì)不變化的基礎(chǔ)上，增加了標(biāo)簽分布的可能性，提高了圖像分割模型的訓(xùn)練效率和精度，最終達(dá)到降低假陽(yáng)率的同時(shí)改善靈敏度。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及圖像處理技術(shù)領(lǐng)域，尤其涉及圖像分割模型訓(xùn)練方法、圖像分割方法及裝置。

背景技術(shù)

深度學(xué)習(xí)是一種由數(shù)據(jù)驅(qū)動(dòng)的技術(shù)，近年來(lái)在自然圖像領(lǐng)域取得了顯著成果，在醫(yī)學(xué)圖像分析領(lǐng)域上也進(jìn)入了快速發(fā)展的階段。

圖像分割作為圖像處理領(lǐng)域的一個(gè)分支，也深受深度學(xué)習(xí)研究人員的關(guān)注。圖像二值分割作為圖像分割的一部分在醫(yī)學(xué)圖像分析中最為常見。但是在使用網(wǎng)絡(luò)進(jìn)行分割時(shí)，會(huì)由于所需分割的區(qū)域較小或與周圍組織相似等原因出現(xiàn)最終的分割結(jié)果中出現(xiàn)大量假陽(yáng)的情況。

發(fā)明內(nèi)容

本發(fā)明提供一種圖像分割模型訓(xùn)練方法、圖像分割方法及裝置，以實(shí)現(xiàn)提高圖像分割精度。

第一方面，本發(fā)明實(shí)施例提供了圖像分割模型訓(xùn)練方法，包括：

獲取樣本圖像以及所述樣本圖像中各像素點(diǎn)的原始標(biāo)簽；

將所述樣本圖像輸入至待訓(xùn)練的圖像分割模型中，根據(jù)所述待訓(xùn)練的圖像分割模型的預(yù)測(cè)結(jié)果得到所述樣本圖像中各像素點(diǎn)屬于分割目標(biāo)的概率；

根據(jù)所述樣本圖像中各像素點(diǎn)屬于分割目標(biāo)的概率以及當(dāng)前迭代的概率閾值，對(duì)所述樣本圖像的原始標(biāo)簽進(jìn)行調(diào)節(jié)；

基于所述樣本圖像中各像素點(diǎn)的調(diào)節(jié)后的標(biāo)簽以及屬于分割目標(biāo)的概率調(diào)節(jié)所述待訓(xùn)練的圖像分割模型的網(wǎng)絡(luò)參數(shù)，得到當(dāng)前迭代的圖像分割模型。

循環(huán)執(zhí)行以上步驟，以對(duì)所述待訓(xùn)練的圖像分割模型進(jìn)行迭代訓(xùn)練，得到目標(biāo)圖像分割模型。

第二方面，本發(fā)明實(shí)施例還提供了一種圖像分割方法，包括：

獲取待分割圖像，將所述待分割圖像輸入至預(yù)先訓(xùn)練的圖像分割模型中，得到所述待分割圖像的圖像分割結(jié)果，其中，所述圖像分割模型基于如權(quán)利要求本發(fā)明任意實(shí)施例提供的圖像分割模型訓(xùn)練方法訓(xùn)練得到。

第三方面，本發(fā)明實(shí)施例還提供了一種圖像分割模型訓(xùn)練裝置，包括：

樣本獲取模塊，用于獲取樣本圖像以及所述樣本圖像中各像素點(diǎn)的原始標(biāo)簽；

預(yù)測(cè)結(jié)果獲取模塊，用于將所述樣本圖像輸入至待訓(xùn)練的圖像分割模型中，根據(jù)所述待訓(xùn)練的圖像分割模型的預(yù)測(cè)結(jié)果得到所述樣本圖像中各像素點(diǎn)屬于分割目標(biāo)的概率；

原始標(biāo)簽調(diào)節(jié)模塊，用于根據(jù)所述樣本圖像中各像素點(diǎn)屬于分割目標(biāo)的概率以及當(dāng)前迭代的概率閾值，對(duì)所述樣本圖像的原始標(biāo)簽進(jìn)行調(diào)節(jié)；

網(wǎng)絡(luò)參數(shù)調(diào)節(jié)模塊，用于基于所述樣本圖像中各像素點(diǎn)的調(diào)節(jié)后的標(biāo)簽以及屬于分割目標(biāo)的概率調(diào)節(jié)所述待訓(xùn)練的圖像分割模型的網(wǎng)絡(luò)參數(shù)，得到當(dāng)前迭代的圖像分割模型；

其中，所述樣本獲取模塊、所述預(yù)測(cè)結(jié)果獲取模塊、所述原始標(biāo)簽調(diào)節(jié)模塊和所述網(wǎng)絡(luò)參數(shù)調(diào)節(jié)模塊循環(huán)調(diào)用，對(duì)所述待訓(xùn)練的圖像分割模型進(jìn)行迭代訓(xùn)練，得到目標(biāo)圖像分割模型。

第四方面，本發(fā)明實(shí)施例還提供了一種圖像分割裝置，包括：

圖像獲取模塊，用于獲取待分割圖像；

圖像分割模塊，用于將所述待分割圖像輸入至預(yù)先訓(xùn)練的圖像分割模型中，得到所述待分割圖像的圖像分割結(jié)果，其中，所述圖像分割模型基于本發(fā)明任意實(shí)施例提供的圖像分割模型訓(xùn)練方法訓(xùn)練得到。