[發明專利]預訓練網絡模型的訓練方法、醫學圖像處理方法和設備

在審

• 申請號: 202210239706.8
• 申請日: 2022-03-12
• 公開（公告）號: CN114782768A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 楊俊;商琨;王海峰;梁棟
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/44;G06K9/62;G06N3/04;G06T7/11
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 何星民

1.一種預訓練網絡模型的訓練方法，其特征在于，包括：

獲取初始預訓練網絡模型以及多張預訓練圖像，所述初始預訓練網絡模型包括待訓練的視覺網絡和待訓練的第一解碼網絡；

對各個所述預訓練圖像進行單通道特征計算，得到各個所述預訓練圖像對應的特征圖像；

根據各個所述預訓練圖像和各自對應的特征圖像對所述初始預訓練網絡模型進行訓練，得到所述預訓練網絡模型；

其中，所述預訓練網絡模型的視覺網絡參數能夠作為圖像處理模型訓練的待訓練視覺網絡的初始參數，所述圖像處理模型用于對待處理二維醫學圖像進行圖像處理。

2.根據權利要求1所述的預訓練網絡模型的訓練方法，其特征在于，所述根據各個所述預訓練圖像和各自對應的特征圖像對所述初始預訓練網絡模型進行訓練，得到所述預訓練網絡模型，包括：

對各個所述預訓練圖像進行掩模處理，生成各個所述預訓練圖像對應的掩蓋圖；

將各個所述掩蓋圖輸入所述初始預訓練網絡模型，輸出各個所述掩蓋圖對應的待比較圖像；

根據各個所述掩蓋圖對應的待比較圖像和各自對應的特征圖，利用掩蓋均方差損失函數進行計算，得到損失值；

根據所述損失值確定所述初始預訓練網絡模型是否收斂；若是，則將當前的初始預訓練網絡模型確定為訓練完成的預訓練網絡模型；若否，則進行迭代訓練，直至所述初始預訓練網絡模型收斂，得到所述預訓練網絡模型。

3.根據權利要求2所述的預訓練網絡模型的訓練方法，其特征在于，所述對各個所述預訓練圖像進行單通道特征計算，得到各個所述預訓練圖像對應的特征圖像，包括：

基于預設網格尺寸對每個所述預訓練圖像進行網格劃分，得到多個分塊；

對每個所述預訓練圖像的每一所述分塊進行單通道特征的計算，得到每個所述預訓練圖像對應的特征圖；

相應的，所述對各個所述預訓練圖像進行掩模處理，生成各個所述預訓練圖像對應的掩蓋圖，包括：

基于預設網格尺寸對每個所述預訓練圖像生成掩模；

根據所述掩模對每個所述預訓練圖像進行掩模處理，生成各個所述預訓練圖像對應的掩蓋圖像。

4.根據權利要求1所述的預訓練網絡模型的訓練方法，其特征在于，所述預訓練圖像為預訓練二維醫學圖像和/或自然圖像；

所述預訓練二維醫學圖像包括以下任意一種或者多種：CT圖像、MRI圖像。

5.根據權利要求1至4任一項所述的預訓練網絡模型的訓練方法，其特征在于，所述對各個所述預訓練圖像進行單通道特征計算，得到各個所述預訓練圖像對應的特征圖像單通道特征，包括：

對各個所述預訓練圖像進行目標特征計算，得到各個所述預訓練圖像對應的特征圖像，其中，所述目標特征包括：哈爾特征、Gabor特征、LBP特征中的任意一種。

6.一種醫學圖像處理方法，其特征在于，包括：

獲取待訓練的初始圖像處理模型，所述初始圖像處理模型包括待訓練的視覺網絡和待訓練的第二解碼網絡，所述初始圖像處理模型的待訓練的視覺網絡的初始參數為所述預訓練網絡模型的視覺網絡的參數；所述預訓練網絡模型是根據多張預訓練圖像以及各自對應的特征圖像得到的；

獲取多個二維醫學圖像以及各自對應的標注信息；

根據多個二維醫學圖像以及各自對應的標注信息，對所述初始圖像處理模型進行訓練，得到所述圖像處理模型；

獲取待處理二維醫學圖像，并利用所述圖像處理模型對待處理二維醫學圖像進行圖像處理。

7.根據權利要求6所述的醫學圖像處理方法，其特征在于，所述利用所述圖像處理模型對待處理二維醫學圖像進行圖像處理，包括：

將所述待處理二維醫學圖像輸入所述圖像處理模型的視覺網絡，得到編碼特征圖；

將所述編碼特征圖輸入所述圖像處理模型的第二解碼器，得到圖像處理結果。

8.根據權利要求6所述的醫學圖像處理方法，其特征在于，所述圖像處理包括目標識別、圖像分割、圖像分類中的任意一種。