[發(fā)明專利]眼底圖像分割模型訓(xùn)練方法及設(shè)備

有效

• 申請?zhí)枺?/td>: 202010580229.2
• 申請日: 2020-06-23
• 公開（公告）號: CN111709966B
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計）人: 賀婉佶;熊健皓;趙昕;和超;張大磊
• 申請（專利權(quán)）人: 上海鷹瞳醫(yī)療科技有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/11
• 代理公司: 北京泛華偉業(yè)知識產(chǎn)權(quán)代理有限公司 11280
• 代理人: 王勇

本發(fā)明提供一種眼底圖像分割模型訓(xùn)練方法及設(shè)備，所述方法包括：獲取經(jīng)過預(yù)訓(xùn)練的第一分割模型和第二分割模型；分別利用所述第一分割模型和第二分割模型對訓(xùn)練數(shù)據(jù)中的眼底圖像進行分割，其中所述第一分割模型輸出關(guān)于所述第一感興趣目標(biāo)的第一置信度信息，所述第二分割模型輸出關(guān)于所述第一感興趣目標(biāo)和所述第二感興趣目標(biāo)的第二置信度信息；根據(jù)所述第一置信度信息和所述第二置信度信息得到集成置信度信息；根據(jù)由所述集成置信度信息、第二置信度、所述標(biāo)注數(shù)據(jù)以及由所述第二置信度確定的分割結(jié)果構(gòu)建的損失函數(shù)優(yōu)化所述第二分割模型的參數(shù)。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)圖像檢測領(lǐng)域，具體涉及一種眼底圖像分割模型訓(xùn)練方法及設(shè)備。

背景技術(shù)

近年來機器學(xué)習(xí)技術(shù)在醫(yī)學(xué)領(lǐng)域得到了廣泛的應(yīng)用，尤其以深度學(xué)習(xí)為代表的機器學(xué)習(xí)技術(shù)在醫(yī)療影像領(lǐng)域被廣泛關(guān)注。在眼底圖像檢測方面，語義分割的任務(wù)大部分使用端到端的深度學(xué)習(xí)方法取得較好的結(jié)果，精確的邊界和位置檢測對于跟蹤眼底圖像病灶發(fā)展是很重要的，對病灶進行逐像素分割是一項很有醫(yī)學(xué)應(yīng)用價值的任務(wù)。

現(xiàn)有技術(shù)已經(jīng)可以實現(xiàn)通過大量眼底圖像數(shù)據(jù)集訓(xùn)練機器學(xué)習(xí)模型，使其能夠準(zhǔn)確分割出眼底圖像中的感興趣目標(biāo)。具體來說，用于訓(xùn)練分割性能的數(shù)據(jù)中包括眼底圖像，以及對于其中感興趣目標(biāo)的標(biāo)注數(shù)據(jù)，對于生成方來說，需要付出一定的人工對眼底圖像中的感興趣目標(biāo)進行手工標(biāo)注，以得到訓(xùn)練數(shù)據(jù)。本領(lǐng)域技術(shù)人員可以理解，為了得到更好的性能，往往需要較大的訓(xùn)練數(shù)據(jù)集，由此需要耗費較多人力。

在實際應(yīng)用中，隨著需求的變化，生產(chǎn)方經(jīng)常需要對模型的分割功能進行改進。比如原先訓(xùn)練了一個能夠分割眼底圖像中的一種或多種感興趣目標(biāo)的模型，稱之為低層級模型；在需求改變時，需要模型仍能夠分割原先的感興趣目標(biāo)，并在此基礎(chǔ)上能夠分割新的感興趣目標(biāo)，也即增加了感興趣類別。為此，生產(chǎn)方需要訓(xùn)練一個高層級模型，按照現(xiàn)有技術(shù)，生產(chǎn)方需要使用大量新數(shù)據(jù)重新訓(xùn)練模型，新的訓(xùn)練數(shù)據(jù)中不但需要標(biāo)注原先的感興趣目標(biāo)，還需要標(biāo)注新增加的感興趣目標(biāo)，這種重復(fù)性的標(biāo)注工作浪費人力，并且更多種類的感興趣目標(biāo)也增加了標(biāo)注難度，如果訓(xùn)練數(shù)據(jù)量較小會影響模型的分割性能。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種眼底圖像分割模型訓(xùn)練方法，包括：

獲取經(jīng)過預(yù)訓(xùn)練的第一分割模型和第二分割模型，其中所述第一分割模型能夠?qū)ρ鄣讏D像中的第一感興趣目標(biāo)與背景進行分割，所述第二分割模型能夠?qū)ρ鄣讏D像中的所述第一感興趣目標(biāo)、第二感興趣目標(biāo)與背景進行分割；

分別利用所述第一分割模型和第二分割模型對訓(xùn)練數(shù)據(jù)中的眼底圖像進行分割，所述訓(xùn)練數(shù)據(jù)包括眼底圖像和關(guān)于其中所述第一感興趣目標(biāo)、所述第二感興趣目標(biāo)的標(biāo)注數(shù)據(jù)，其中所述第一分割模型輸出關(guān)于所述第一感興趣目標(biāo)的第一置信度信息，所述第二分割模型輸出關(guān)于所述第一感興趣目標(biāo)和所述第二感興趣目標(biāo)的第二置信度信息；

根據(jù)所述第一置信度信息和所述第二置信度信息得到集成置信度信息；

根據(jù)由所述集成置信度信息、第二置信度信息、所述標(biāo)注數(shù)據(jù)以及由所述第二置信度信息確定的分割結(jié)果構(gòu)建的損失函數(shù)優(yōu)化所述第二分割模型的參數(shù)。

可選地，根據(jù)所述第一置信度信息和所述第二置信度信息得到集成置信度信息，包括：

通過將所述第一置信度信息分配到所述第二置信度信息上得到配準(zhǔn)置信度信息；

根據(jù)所述配準(zhǔn)置信度信息和所述第二置信度信息得到集成置信度信息。

可選地，Y_l表示所述第一分割模型的類別空間，Y_l＝[bg_l,C_l]，C_l表示所述第一感興趣目標(biāo)，bg_l表示背景；