本发明专利技术公开了一种肺部CT图像分割模型构建方法、装置及电子设备，该方法包括：获取多张肺部CT的三维数据图像；对无标签数据图像进行插值处理生成伪标签；根据标签数据图像和带有伪标签的无标签数据图像分析有监督损失和无监督损失；根据无标签数据图像和伪标签计算插值一致性损失；通过有监督损失、无监督损失和插值一致性损失得到预设分割模型的总加权损失；根据总加权损失对预设分割模型的模型参数进行更新。本发明专利技术通过利用少量标注数据和大量未标注数据来构建肺部CT图像分割模型，可以有效降低医学图像分割的数据标注门槛，节省大量的时间和精力；有效降低模型训练难度、提高精度，为计算机辅助诊断提供更高质量的数据支持。持。持。
【技术实现步骤摘要】
一种肺部CT图像分割模型构建方法、装置及电子设备
[0001]本专利技术涉及图像处理
，具体涉及一种肺部CT图像分割模型构建方法、装置及电子设备。
技术介绍
[0002]医学图像病灶区域的分割是疾病诊断、手术或放疗规划、预后评估等任务的重要支撑。近年来，卷积神经网络(CNN)等方法在医学图像分割上取得了极其优异的成绩，尤其是nnUNet几乎在所有全监督医学图像分割任务上取得了最好的成绩。但这并不意味着医学CT(Computed Tomography电子计算机断层扫描)图像分割任务已经被完美的解决了，因为全监督医学图像分割依旧依赖大量的、高质量的标注，不同于自然图像，数据标注门槛较低可以通过众包等方法快速完成；医学图像标注需要专业知识和临床经验，使得大量获得标注数据变得困难和昂贵；但获得大量未标注数据较为容易。在现实情况中，只有少部分CT数据是有标注的，大量数据是没有标注的，为图像分割带来了较大难度。且目前大多数CT图像分割方法主要依赖于2D CT图像，缺少3D序列的约束。采用3D图像更能提取到最原始的病灶语义信息。
技术实现思路
[0003]有鉴于此，本专利技术实施例提供了一种肺部CT图像分割模型构建方法，以解决现有技术当中对CT图像进行图像分割时依赖大量标注数据的问题。
[0004]为达到上述目的，本专利技术提供如下技术方案：
[0005]本专利技术实施例提供了一种肺部CT图像分割模型构建方法，包括：
[0006]获取多张肺部CT的三维数据图像，所述三维数据图像包括有标签数据图像和无标签数据图像；
[0007]对所述无标签数据图像进行插值处理生成伪标签；
[0008]将所述有标签数据图像和带有所述伪标签的无标签数据图像分别输入预设分割模型，并根据输出结果分析有监督损失和无监督损失；
[0009]根据所述无标签数据图像和所述伪标签计算插值一致性损失；
[0010]通过所述有监督损失、无监督损失和插值一致性损失得到所述预设分割模型的总加权损失；
[0011]根据所述总加权损失对所述预设分割模型的模型参数进行更新，并返回获取多张肺部CT的三维数据图像的步骤，直至所述模型精度达到预设阈值。
[0012]可选的，所述将所述有标签数据图像和带有所述伪标签的无标签数据图像分别输入预设分割模型，并根据输出结果分析有监督损失和无监督损失，包括：
[0013]将所述有标签数据图像输入预设分割模型，并根据输出结果计算得到有监督损失，所述预设分割模型包括主医生分割模型和助理医生分割模型；
[0014]将所述带有所述伪标签的无标签数据图像输入预设分割模型，并根据输出结果计
算得到无监督损失。
[0015]可选的，所述将所述有标签数据图像输入预设分割模型，并根据输出结果计算得到有监督损失，包括：
[0016]将所述有标签数据图像输入主医生分割模型，得到第一特征图；
[0017]对所述第一特征图和所述有标签数据图像之间的损失差异进行分析得到第一有监督损失；
[0018]将所述第一特征图输入所述助理医生分割模型，得到第二特征图；
[0019]对所述第二特征图和所述第一特征图之间的损失差异进行分析得到第二有监督损失。
[0020]可选的，所述将所述带有所述伪标签的无标签数据图像输入预设分割模型，并根据输出结果计算得到无监督损失，包括：
[0021]将所述带有所述伪标签的无标签数据图像输入主医生分割模型，得到第三特征图；
[0022]对所述第三特征图和所述带有所述伪标签的无标签数据图像之间的损失差异进行分析得到第一无监督损失；
[0023]将所述第三特征图输入所述助理医生分割模型，得到第四特征图；
[0024]对所述第四特征图和所述第三特征图之间的损失差异进行分析得到第二无监督损失。
[0025]可选的，所述对所述无标签数据图像进行插值处理生成伪标签，包括：
[0026]将所述无标签数据图像进行随机配对，生成多对无标签图像组；
[0027]基于所述无标签图像组进行插值计算，得到结果作为伪标签。
[0028]可选的，所述根据所述无标签数据图像和所述伪标签计算插值一致性损失，包括：
[0029]将所述无标签数据图像输入所述预设分割模型中的主医生分割模型，得到输出图像；
[0030]对所述输出图像进行插值处理得到第一插值图像；
[0031]将带有所述伪标签的无标签数据图像输入所述主医生分割模型，得到预测图像；
[0032]根据所述预测图像对所述第一插值图像进行一致性分析，得到插值一致性损失。
[0033]可选的，在对所述无标签数据图像进行插值处理生成伪标签之前，所述方法还包括：
[0034]对所述三维数据图像进行过采样处理；
[0035]对过采样处理后的三维数据图像进行重采样处理；
[0036]对重采样处理后的三维数据图像进行数据增强。
[0037]本专利技术实施例还提供了一种肺部CT图像分割模型构建装置，包括：
[0038]获取模块，用于获取多张肺部CT的三维数据图像，所述三维数据图像包括有标签数据图像和无标签数据图像；
[0039]插值模块，用于对所述无标签数据图像进行插值处理生成伪标签；
[0040]第一损失模块，用于将所述有标签数据图像和带有所述伪标签的无标签数据图像分别输入预设分割模型，并根据输出结果分析有监督损失和无监督损失；
[0041]第二损失模块，用于根据所述无标签数据图像和所述伪标签计算插值一致性损
失；
[0042]总损失计算模块，用于通过所述有监督损失、无监督损失和插值一致性损失得到所述预设分割模型的总加权损失；
[0043]参数调整模块，用于根据所述总加权损失对所述预设分割模型的模型参数进行更新，并返回获取多张肺部CT的三维数据图像的步骤，直至所述模型精度达到预设阈值。
[0044]本专利技术实施例还提供了一种电子设备，包括：
[0045]存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本专利技术实施例提供的肺部CT图像分割模型构建方法。
[0046]本专利技术实施例还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计算机指令，所述计算机指令用于使计算机执行本专利技术实施例提供的肺部CT图像分割模型构建方法。
[0047]本专利技术技术方案，具有如下优点：
[0048]本专利技术提供了一种肺部CT图像分割模型构建方法，通过获取多张肺部CT的三维数据图像，三维数据图像包括有标签数据图像和无标签数据图像；对无标签数据图像进行插值处理生成伪标签；将有标签数据图像和带有伪标签的无标签数据图像分别输入预设分割模型，并根据输出结果分析有监督损失和无监督损失；根据无标签数据图像和伪标签计算插值一致性损失；通过有监督损失、无监督损失和插值一致性本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种肺部CT图像分割模型构建方法，其特征在于，包括：获取多张肺部CT的三维数据图像，所述三维数据图像包括有标签数据图像和无标签数据图像；对所述无标签数据图像进行插值处理生成伪标签；将所述有标签数据图像和带有所述伪标签的无标签数据图像分别输入预设分割模型，并根据输出结果分析有监督损失和无监督损失；根据所述无标签数据图像和所述伪标签计算插值一致性损失；通过所述有监督损失、无监督损失和插值一致性损失得到所述预设分割模型的总加权损失；根据所述总加权损失对所述预设分割模型的模型参数进行更新，并返回获取多张肺部CT的三维数据图像的步骤，直至所述模型精度达到预设阈值。2.根据权利要求1所述的肺部CT图像分割模型构建方法，其特征在于，所述将所述有标签数据图像和带有所述伪标签的无标签数据图像分别输入预设分割模型，并根据输出结果分析有监督损失和无监督损失，包括：将所述有标签数据图像输入预设分割模型，并根据输出结果计算得到有监督损失，所述预设分割模型包括主医生分割模型和助理医生分割模型；将所述带有所述伪标签的无标签数据图像输入预设分割模型，并根据输出结果计算得到无监督损失。3.根据权利要求2所述的肺部CT图像分割模型构建方法，其特征在于，所述将所述有标签数据图像输入预设分割模型，并根据输出结果计算得到有监督损失，包括：将所述有标签数据图像输入主医生分割模型，得到第一特征图；对所述第一特征图和所述有标签数据图像之间的损失差异进行分析得到第一有监督损失；将所述第一特征图输入所述助理医生分割模型，得到第二特征图；对所述第二特征图和所述第一特征图之间的损失差异进行分析得到第二有监督损失。4.根据权利要求2所述的肺部CT图像分割模型构建方法，其特征在于，所述将所述带有所述伪标签的无标签数据图像输入预设分割模型，并根据输出结果计算得到无监督损失，包括：将所述带有所述伪标签的无标签数据图像输入主医生分割模型，得到第三特征图；对所述第三特征图和所述带有所述伪标签的无标签数据图像之间的损失差异进行分析得到第一无监督损失；将所述第三特征图输入所述助理医生分割模型，得到第四特征图；对所述第四特征图和所述第三特征图之间的损失差异进行分析得到第二无监督损失。5.根据权利要求1所述的肺部CT图像分割模型构建方法，其特征在于，所述对所述无标签...
【专利技术属性】
技术研发人员：康莉，单得恒，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。