[發明專利]圖像特征提取模型的訓練方法、系統及裝置

有效

• 申請號: 202110628366.3
• 申請日: 2021-06-07
• 公開（公告）號: CN113256592B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 何昆侖;楊菲菲;朱玖聞;林錫祥;陳煦;王文君
• 申請（專利權）人: 中國人民解放軍總醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 郭棟梁

本申請公開了一種圖像特征提取模型的訓練方法、系統及裝置，其中，一種圖像特征提取模型的訓練方法，包括：獲取影像樣本集，針對每一影像樣本隨機獲取若干單幀圖像；按照預定策略對每一所述單幀圖像進行預處理，獲得多個圖像樣本；將所述多個圖像樣本輸入至特征提取網絡架構中，所述特征提取網絡架構由若干特征提取模型組建，通過所述特征提取模型獲得每一所述圖像樣本的特征圖；構建損失模型，基于所述多個圖像樣本的特征圖構建訓練樣本，通過自監督方式對損失模型進行訓練，獲得所述訓練樣本的損失函數；利用所述損失函數更新所述特征提取模型的參數，以完成所述特征提取模型的訓練。

技術領域

本申請一般涉及圖像處理技術領域，具體涉及一種圖像特征提取模型的訓練方法、裝置。

背景技術

醫學成像技術，如彩色多普勒超聲心動圖，已越來越成為疾病篩查和分析的強有力工具。超聲是目前疾病篩查診斷的主要技術之一，由于其檢查價格低廉、篩查簡便而應用廣泛。

但由于超聲自然的以視頻流形式呈現，醫生往往需要逐幀進行標注和篩查，尤其是分割標注是非常的耗時且耗力的。這是一項費時費力的工作，且準確率受醫生間差異的影響。并且由于醫學圖像標注所需的專家知識。因此獲取醫學數據的標注是非常費力的。

然而，目前現有的自監督學習裝置不適用于特殊的彩色多普勒超聲心動圖特征提取。大部分的自監督學習裝置主要基于2D自然圖像，其他基于醫學影像數據的自監督學習裝置主要應用于電子計算機斷層掃描、磁共振成像數據，而彩色超聲視頻由于其不同的采集過程、數據格式、影像內容，目前現有的自監督學習裝置無法直接遷移到該數據模態中。因此，我們需要針對彩色多普勒超聲心動圖設計一種特殊的自監督學習裝置，從而更好的提取彩色多普勒超聲心動圖中的特征。

發明內容

鑒于現有技術中的上述缺陷或不足，期望提供一種圖像特征提取模型的訓練方法、裝置，可以針對彩色多普勒超聲心動圖設計的、用于特征提取的自監督學習裝置。

一方面，本申請提供了一種圖像特征提取模型的訓練方法，包括：

獲取影像樣本集，所述影像樣本集包括至少一個影像樣本，針對每一影像樣本隨機獲取若干單幀圖像；

按照預定策略對每一所述單幀圖像進行預處理，獲得多個圖像樣本；

將所述多個圖像樣本輸入至特征提取網絡架構中，所述特征提取網絡架構由若干特征提取模型組建，通過所述特征提取模型獲得每一所述圖像樣本的特征圖；

構建損失模型，基于所述多個圖像樣本的特征圖構建訓練樣本，通過自監督方式對所述損失模型進行訓練，并通過所述損失模型獲得所述訓練樣本的損失函數；

將所述損失函數反傳至所述特征提取網絡架構中，利用所述損失函數更新所述特征提取模型的參數，以完成所述特征提取模型的訓練。

進一步地，所述按照預定策略對所述單幀圖像進行預處理，獲得多個圖像樣本，包括：

對每一所述單幀圖像進行色彩變換處理獲得多張變換圖像；

將每一所述變換圖像分割為多個圖像塊并進行隨機重排，獲得與一個所述變換圖像對應的多個圖像樣本。

進一步地，所述特征提取網絡架構包括多個結構相同的網絡，所述網絡的個數與一個所述單幀圖像對應的變換圖像的數量相同，每個所述網絡中子網絡的個數與一個所述變換圖像對應的所述圖像樣本的數量相同，每個所述子網絡的輸入分別對應一個所述圖像樣本，其中各所述子網絡中的所述特征提取模型相同；

通過所述特征提取模型獲得每一所述圖像樣本的特征圖，包括：

將一個所述變換圖像對應的多個圖像樣本分別輸入至對應的子網絡中；

通過所述子網絡中的所述特征提取模型提取輸入的所述圖像樣本的特征圖。