[發明專利]神經網絡訓練和圖像處理方法及裝置

在審

• 申請號: 202110087392.X
• 申請日: 2021-01-22
• 公開（公告）號: CN112749801A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 王文集;夏清;胡志強
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06T7/00;G06T7/11;G06K9/62
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種神經網絡訓練方法，其特征在于，包括：

將樣本圖像輸入第一分割網絡，獲得所述樣本圖像的第一分割結果，所述第一分割結果包括多個類別的分割區域，所述第一分割結果用作所述樣本圖像的預測標注信息，所述樣本圖像包括已標注的第一樣本圖像和未標注的第二樣本圖像；

將所述樣本圖像輸入第二分割網絡，獲得所述樣本圖像的第二分割結果，所述第二分割結果包括多個類別的分割區域；以及

至少根據所述第一分割結果和所述第二分割結果，訓練所述第一分割網絡和所述第二分割網絡。

2.根據權利要求1所述的方法，其特征在于，至少根據所述第一分割結果和所述第二分割結果，訓練所述第一分割網絡和所述第二分割網絡，包括：

基于所述樣本圖像的預測標注信息和所述第二分割結果，確定第一損失；

基于所述第一樣本圖像的標注信息和所述第二分割結果，確定第二損失；以及

根據所述第一損失和所述第二損失，訓練所述第一分割網絡和所述第二分割網絡。

3.根據權利要求2所述的方法，其特征在于，根據所述第一損失和所述第二損失，訓練所述第一分割網絡和所述第二分割網絡，包括：

對所述第一損失和所述第二損失進行加權求和處理，獲得綜合網絡損失，其中，所述第一損失的權重與訓練的迭代周期數正相關；以及

根據所述綜合網絡損失訓練所述第一分割網絡和所述第二分割網絡。

4.根據權利要求3所述的方法，其特征在于，根據所述綜合網絡損失訓練所述第一分割網絡和所述第二分割網絡，包括：

對所述綜合網絡損失進行梯度下降處理，更新所述第二分割網絡的網絡參數；以及

對所述綜合網絡損失進行梯度下降及移動平均處理，更新所述第一分割網絡的網絡參數。

5.根據權利要求2所述的方法，其特征在于，至少根據所述第一分割結果和所述第二分割結果，訓練所述第一分割網絡和所述第二分割網絡，還包括：

基于所述第二樣本圖像的預測標注信息和所述第二樣本圖像的第二分割結果，確定第三損失；以及

根據所述第三損失，訓練所述第一分割網絡和所述第二分割網絡。

6.根據權利要求2或5所述的方法，其特征在于，至少根據所述第一分割結果和所述第二分割結果，訓練所述第一分割網絡和所述第二分割網絡，還包括：

基于所述第一樣本圖像的第一分割結果的多個類別的分割區域的特征，或所述第一樣本圖像的第二分割結果的多個類別的分割區域的特征，確定分類損失；以及

根據所述分類損失，訓練所述第二分割網絡。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：根據所述第一分割結果或所述第二分割結果，訓練形狀約束網絡，所述形狀約束網絡用于約束所述分割區域的形狀。

8.根據權利要求7所述的方法，其特征在于，根據所述第一分割結果或所述第二分割結果，訓練所述形狀約束網絡，包括：

將所述第一分割結果或所述第二分割結果輸入所述形狀約束網絡，獲得樣本分割結果；

基于所述第一樣本圖像的標注信息和所述樣本分割結果，確定所述形狀約束網絡的第四損失；以及

根據所述第四損失，訓練所述形狀約束網絡。

9.根據權利要求1所述的方法，其特征在于，所述樣本圖像包括醫學圖像，所述分割區域的類別包括左心腔區域、左心肌壁區域、右心室區域、左心房區域、右心房區域、主動脈區域、肺動脈區域中的至少一種。

10.一種圖像處理方法，其特征在于，包括：

將待處理圖像輸入根據權利要求1-9中任一項所述的神經網絡訓練方法訓練后的第一分割網絡或第二分割網絡，獲得第三分割結果；

將所述第三分割結果輸入訓練后的形狀約束網絡，獲得目標分割結果。