一种对抗医学图像的生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种对抗医学图像的生成方法、装置、设备及存储介质，该方法包括：基于卷积参数数据、获取到的上一医学图像和与上一医学图像对应的上一扰动噪声，确定当前医学图像；基于当前医学图像、参考神经网络模型和上一扰动噪声，确定当前扰动噪声；将当前医学图像作为上一医学图像以及将当前扰动噪声作为上一扰动噪声，并返回执行基于上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像的操作；在当前迭代次数满足预设次数阈值的情况下，将当前扰动噪声作为目标扰动噪声，并基于目标扰动噪声以及与测试神经网络模型对应的原始医学图像，确定对抗医学图像。本发明专利技术实施例解决了基于现有对抗攻击方法确定的扰动噪声大的问题。动噪声大的问题。动噪声大的问题。

【技术实现步骤摘要】
一种对抗医学图像的生成方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种对抗医学图像的生成方法、装置、设备及存储介质。

技术介绍

[0002]基于深度神经网络的模型在各类任务上都有很好的表现，尤其是在医学图像领域，有很多基于深度神经网络的计算机辅助诊断系统。对于计算机辅助诊断系统，应用对象为真实的患者，如果模型输出了错误的结果，可能会导致误诊，并影响后续治疗，对患者的经济、精神等造成损失。因此，对抗攻击技术对训练医学领域的神经网络模型具有重要的现实意义。
[0003]对抗攻击技术的原理为根据训练得到的神经网络模型的特点，尽可能在输入图像上添加肉眼不可感知的扰动噪声，生成对抗图像，将对抗图像输入到神经网络模型中，以达到误导神经网络模型的效果，使得神经网络模型产生错误的输出。
[0004]对抗攻击技术的目标是在保证神经网络模型可以产生错误的输出的情况下，使得增加的扰动尽可能的小。但现有的对抗攻击技术增加的扰动噪声较大，无法满足医学领域对对抗医学图像的高质量要求。

技术实现思路

[0005]本专利技术实施例提供了一种对抗医学图像的生成方法、装置、设备及存储介质，以解决基于现有对抗攻击方法确定的扰动噪声不平滑的问题，提高生成的对抗医学图像的图像质量，满足医学领域对对抗医学图像的高质量要求。
[0006]根据本专利技术一个实施例提供了一种对抗医学图像的生成方法，该方法包括：
[0007]响应于获取到上一医学图像以及与所述上一医学图像对应的上一扰动噪声，基于所述上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像；
[0008]基于所述当前医学图像、参考神经网络模型和所述上一扰动噪声，确定当前扰动噪声；
[0009]将所述当前医学图像作为上一医学图像以及将所述当前扰动噪声作为上一扰动噪声，并返回执行基于所述上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像的操作；
[0010]在当前迭代次数满足预设次数阈值的情况下，将当前扰动噪声作为目标扰动噪声，并基于所述目标扰动噪声以及与测试神经网络模型对应的原始医学图像，确定对抗医学图像。
[0011]根据本专利技术另一个实施例提供了一种对抗医学图像的生成装置，该装置包括：
[0012]当前医学图像确定模块，用于响应于获取到上一医学图像以及与所述上一医学图像对应的上一扰动噪声，基于所述上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像；
[0013]当前扰动噪声确定模块，用于基于所述当前医学图像、参考神经网络模型和所述上一扰动噪声，确定当前扰动噪声；
[0014]返回执行模块，用于将所述当前医学图像作为上一医学图像以及将所述当前扰动噪声作为上一扰动噪声，并返回执行基于所述上一扰动噪声和卷积参数数据，确定平滑扰动噪声的操作；
[0015]对抗医学图像确定模块，用于在当前迭代次数满足预设次数阈值的情况下，将当前扰动噪声作为目标扰动噪声，并基于所述目标扰动噪声以及与测试神经网络模型对应的原始医学图像，确定对抗医学图像。
[0016]根据本专利技术另一个实施例提供了一种电子设备，所述电子设备包括：
[0017]至少一个处理器；以及
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的对抗医学图像的生成方法。
[0020]根据本专利技术另一个实施例，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的对抗医学图像的生成方法。
[0021]本专利技术实施例的技术方案，通过基于卷积参数数据、获取到的上一医学图像和与上一医学图像对应的上一扰动噪声，确定当前医学图像，基于当前医学图像、参考神经网络模型和上一扰动噪声，确定当前扰动噪声，将当前医学图像作为上一医学图像以及将当前扰动噪声作为上一扰动噪声，并返回执行基于上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像的操作，以及在当前迭代次数满足预设次数阈值的情况下，将当前扰动噪声作为目标扰动噪声，并基于目标扰动噪声以及与测试神经网络模型对应的原始医学图像，确定对抗医学图像，本专利技术实施例从扰动噪声的角度进行迭代，并基于卷积参数数据对上一扰动噪声进行平滑处理，解决了基于现有对抗攻击方法确定的扰动噪声大的问题，提高了生成的对抗医学图像的图像质量，满足了医学领域对对抗医学图像的高质量要求。
[0022]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本专利技术实施例一所提供的一种对抗医学图像的生成方法的流程图；
[0025]图2为本专利技术实施例二所提供的一种对抗医学图像的生成方法的流程图；
[0026]图3为本专利技术实施例二所提供的一种当前医学图像的生成方法的具体实例的示意图；
[0027]图4为本专利技术实施例三所提供的一种对抗医学图像的生成装置的结构示意图；
[0028]图5为本专利技术实施例四所提供的一种电子设备的结构示意图。
具体实施方式
[0029]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0030]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0031]实施例一
[0032]图1为本专利技术实施例一所提供的一种对抗医学图像的生成方法的流程图，本实施例可适用于在神经网络模型场景中生成对抗医学图像的情况，该方法可以由对抗医学图像的生成装置来执行，该对抗医学图像的生成装置可以采用硬件和/或软件的形式实现，该对抗医学图像的生成装置可配置于终端设备中。如图1所示，该方法包括：
[0033]S110、响应于获取到上一医学图像以及与上一医学图像对应的上一扰动噪声，基于上一医学图像、上一扰动噪声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对抗医学图像的生成方法，其特征在于，包括：响应于获取到上一医学图像以及与所述上一医学图像对应的上一扰动噪声，基于所述上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像；基于所述当前医学图像、参考神经网络模型和所述上一扰动噪声，确定当前扰动噪声；将所述当前医学图像作为上一医学图像以及将所述当前扰动噪声作为上一扰动噪声，并返回执行基于所述上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像的操作；在当前迭代次数满足预设次数阈值的情况下，将当前扰动噪声作为目标扰动噪声，并基于所述目标扰动噪声以及与测试神经网络模型对应的原始医学图像，确定对抗医学图像。2.根据权利要求1所述的方法，其特征在于，所述卷积参数数据包括至少一个预设卷积参数，相应的，所述基于所述上一医学图像、上一扰动噪声和卷积参数数据，确定当前医学图像，包括：基于至少一个预设卷积参数分别对所述上一扰动噪声执行卷积操作，得到至少一个修正扰动噪声，并对各所述修正扰动噪声执行求均值操作，得到平滑扰动噪声；基于所述平滑扰动噪声和所述上一医学图像，确定当前医学图像。3.根据权利要求2所述的方法，其特征在于，预设卷积参数包括卷积核尺寸和卷积核权重，当预设卷积参数的数量为至少两个时，各所述预设卷积参数中的卷积核尺寸和/或卷积核权重不同。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：将与所述参考神经网络模型对应的初始医学图像输入到预先训练完成的目标图像分割模型中，得到输出的感兴趣区域掩膜；相应的，所述基于所述平滑扰动噪声和所述上一医学图像，确定当前医学图像，包括：在所述当前迭代次数包含于预设迭代集合的情况下，基于所述感兴趣区域掩膜和所述平滑扰动噪声，确定参考攻击噪声，并将所述参考攻击噪声添加到所述上一医学图像中，得到当前医学图像；其中，所述预设迭代集合中包含至少一个预设迭代次数。5.根据权利要求1所述的方法，其特征在于，所述基于所述当前医学图像、参考神经网络模型和所述上一扰动噪声，确定当前扰动噪声，包括：将所述当前医学图像输入到所述参考神经网络模型中，得到输出的当前输出结果，并基于当前输出结果和当前标准结果，确定所述参考神经网络模型对应的当前损失梯度；基于所述上一扰动噪声和所述当前损失梯度，确定当前扰动噪声。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：将获取到的至少一个原始医学图像以及与各所述原始医学图像分别对应的对抗医学图像输入到所述测试神经网络模型中，得到输出的与各所述...

【专利技术属性】
技术研发人员：陈挺，王光宇，韩荣，刘晓鸿，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：