[發(fā)明專利]目標分割模型的訓練、病灶分割方法及裝置在審
| 申請?zhí)枺?/td> | 202211068494.8 | 申請日： | 2022-09-02 |
| 公開（公告）號： | CN115131361A | 公開（公告）日： | 2022-09-30 |
| 發(fā)明（設計）人： | 尹芳;鄧小寧;馬杰;郭鵬 | 申請（專利權(quán)）人： | 北方健康醫(yī)療大數(shù)據(jù)科技有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06V10/26;G06V10/40;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 北京路浩知識產(chǎn)權(quán)代理有限公司 11002 | 代理人： | 苗青盛 |
| 地址： | 250000 山東省濟南市槐*** | 國省代碼： | 山東;37 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 目標 分割 模型 訓練 病灶 方法 裝置 | ||
本發(fā)明提供一種目標分割模型的訓練、病灶分割方法及裝置，涉及人工智能技術領域，目標分割模型的訓練方法包括：基于樣本特征向量群，利用自監(jiān)督對比學習對初始模型進行預訓練，獲得預訓練自監(jiān)督模型；基于樣本圖像以及樣本圖像的目標分割結(jié)果，對預訓練自監(jiān)督模型進行有監(jiān)督訓練，獲得訓練好的目標分割模型，以供對輸入圖像進行目標分割；樣本特征向量群基于樣本圖像獲得。本發(fā)明提供的目標分割模型的訓練、病灶分割方法及裝置，能基于少量樣本圖像，獲得數(shù)據(jù)量較大、像素級的樣本特征向量群，能通過像素級的自監(jiān)督對比學習以及有監(jiān)督訓練，在不降低目標分割模型的分割準確率的基礎上，提高目標分割模型的訓練效率。
技術領域
本發(fā)明涉及人工智能技術領域，尤其涉及一種目標分割模型的訓練、病灶分割方法及裝置。
背景技術
隨著人工智能技術的不斷發(fā)展，基于人工智能技術對圖像進行目標分割已成為研究熱點。
現(xiàn)有技術中，可以基于有監(jiān)督學習對目標分割模型進行訓練，進而可以基于訓練好的目標分割模型對圖像中的目標進行分割。基于有監(jiān)督學習訓練得到的目標分割模型的分割準確率，與已標注的訓練數(shù)據(jù)的數(shù)據(jù)量正相關。
但是，獲取訓練數(shù)據(jù)之后，對上述訓練數(shù)據(jù)進行標注，所需投入的人工成本和時間成本較高，模型訓練效率較低。隨著自監(jiān)督學習方法的出現(xiàn)，可以使得模型訓練不完全依賴已標注的訓練數(shù)據(jù)。但是，由于醫(yī)學圖像的分割（例如病灶的分割）問題相較于醫(yī)學圖像分類問題或其他目標分割問題而言更加復雜，現(xiàn)有技術中基于自監(jiān)督學習方法進行醫(yī)學圖像分割的準確率不高。因此，如何在不降低目標分割模型的分割準確率的基礎上，提高目標分割模型的訓練效率，是本領域亟待解決的技術問題。
發(fā)明內(nèi)容
本發(fā)明提供一種目標分割模型的訓練、病灶分割方法及裝置，用以解決現(xiàn)有技術中目標分割模型的訓練效率較低的缺陷，實現(xiàn)在不降低目標分割模型分割準確率的基礎上，提高目標分割模型的訓練效率。
本發(fā)明提供一種目標分割模型的訓練方法，包括：
基于樣本特征向量群，利用自監(jiān)督對比學習對初始模型進行預訓練，獲得預訓練自監(jiān)督模型；
基于樣本圖像以及所述樣本圖像的目標分割結(jié)果，對所述預訓練自監(jiān)督模型進行有監(jiān)督訓練，獲得訓練好的目標分割模型，以供對輸入圖像進行目標分割；
其中，所述樣本特征向量群基于所述樣本圖像獲得。
根據(jù)本發(fā)明提供的一種目標分割模型的訓練方法，所述樣本特征向量群基于以下步驟獲得：
對樣本圖像進行網(wǎng)格劃分，將所述樣本圖像劃分為多個樣本子圖像；
對每一樣本子圖像進行隨機數(shù)據(jù)增強，獲得所述每一樣本子圖像的衍生圖像；
對所述每一樣本子圖像和所述每一樣本子圖像的衍生圖像進行特征提取，獲取樣本特征圖像；
對所述樣本特征圖像集中的每一樣本特征圖像進行網(wǎng)格劃分，將所述每一樣本特征圖像劃分為多個樣本特征子圖像，進而獲取由各樣本特征子圖像構(gòu)成的所述樣本特征向量群。
根據(jù)本發(fā)明提供的一種目標分割模型的訓練方法，所述基于樣本特征向量群，利用自監(jiān)督對比學習對初始模型進行預訓練，獲得預訓練自監(jiān)督模型，包括：
基于所述樣本特征子圖像的映射樣本圖像，以及所述樣本特征子圖像在所述映射樣本圖像中的映射位置，在所述樣本特征向量群中確定正樣本對和負樣本；
基于所述正樣本對和所述負樣本，利用自監(jiān)督對比學習對所述初始模型進行預訓練，獲得所述預訓練自監(jiān)督模型；
其中，所述映射樣本圖像為與所述樣本特征子圖像具有映射關系的樣本圖像。
根據(jù)本發(fā)明提供的一種目標分割模型的訓練方法，所述基于所述樣本特征子圖像的映射樣本圖像，以及所述樣本特征子圖像在所述映射樣本圖像中的映射位置，在所述樣本特征向量群中確定正樣本對和負樣本，包括：
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北方健康醫(yī)療大數(shù)據(jù)科技有限公司，未經(jīng)北方健康醫(yī)療大數(shù)據(jù)科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211068494.8/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
