一种图像处理模型的训练方法、装置及电子设备制造方法及图纸

本发明专利技术公开一种图像处理模型的训练方法、装置及电子设备。获取包含有病灶标注区域信息的样本图像和样本图像对应的目标疾病类别标注；将样本图像输入至预设图像处理模型中进行图像处理，获得预测概率值和预测病灶热力图；基于预测概率值和目标疾病类别标注，确定疾病概率损失值；生成与病灶标注区域对应的标注蒙版，并确定前景热力图区域和背景热力图区域；基于前景热力图区域和标注蒙版，确定样本图像对应的前景损失值；基于背景热力图区域和标注蒙版，确定样本图像对应的背景损失值；基于疾病概率损失值、前景损失值以及背景损失值，对预设图像处理模型进行训练，直到满足预设条件时训练结束，提高了图像处理模型的训练准确率。率。率。

【技术实现步骤摘要】
一种图像处理模型的训练方法、装置及电子设备


[0001]本专利技术涉及数据处理
，尤其涉及一种图像处理模型的训练方法、装置及电子设备。

技术介绍

[0002]随着计算机技术的快速发展，可以利用基于深度学习的图像处理模型进行图像分类。
[0003]目前，在使用图像处理模型之前，需要利用样本图像对图像处理模型进行训练，以使训练结束后的图像处理模型可以准确地进行图像分类。
[0004]然而，现有的图像处理模型训练过程中，样本图像中包含大量的非重点信息，仅利用分类结果的概率损失值进行训练会导致图像处理模型训练的准确率较低。

技术实现思路

[0005]本专利技术实施例提供了一种图像处理模型的训练方法、装置及电子设备，以实现提高图像处理模型的训练准确率，保证图像处理模型的高性能。
[0006]第一方面，本专利技术提供了一种图像处理模型的训练方法，该方法包括：
[0007]获取包含有病灶标注区域信息的样本图像和所述样本图像对应的目标疾病类别标注；
[0008]将所述样本图像输入至待训练的预设图像处理模型中进行图像处理，获得所述样本图像为目标疾病类别的预测概率值和预测病灶热力图；
[0009]基于所述预测概率值和所述目标疾病类别标注，确定所述样本图像对应的疾病概率损失值；
[0010]基于样本图像中的病灶标注区域信息，生成与病灶标注区域对应的标注蒙版，基于所述标注蒙版确定所述预测病灶热力图中的前景热力图区域和背景热力图区域；
[0011]基于所述前景热力图区域和所述标注蒙版，确定所述样本图像对应的前景损失值；
[0012]基于所述背景热力图区域和所述标注蒙版，确定所述样本图像对应的背景损失值；
[0013]基于所述疾病概率损失值、所述前景损失值以及所述背景损失值，对所述预设图像处理模型进行训练，直到满足预设条件时训练结束。
[0014]第二方面，本专利技术提供了一种图像处理模型的训练装置，该装置包括：
[0015]样本获取模块，用于获取包含有病灶标注区域信息的样本图像和所述样本图像对应的目标疾病类别标注；
[0016]预测结果确定模块，用于将所述样本图像输入至待训练的预设图像处理模型中进行图像处理，获得所述样本图像为目标疾病类别的预测概率值和预测病灶热力图；
[0017]概率损失值确定模块，用于基于所述预测概率值和所述目标疾病类别标注，确定
所述样本图像对应的疾病概率损失值；
[0018]热力图区域确定模块，用于基于样本图像中的病灶标注区域信息，生成与病灶标注区域对应的标注蒙版，基于所述标注蒙版确定所述预测病灶热力图中的前景热力图区域和背景热力图区域；
[0019]前景损失值确定模块，用于基于所述前景热力图区域和所述标注蒙版，确定所述样本图像对应的前景损失值；
[0020]背景损失值确定模块，用于基于所述背景热力图区域和所述标注蒙版，确定所述样本图像对应的背景损失值；
[0021]模型训练结束模块，用于基于所述疾病概率损失值、所述前景损失值以及所述背景损失值，对所述预设图像处理模型进行训练，直到满足预设条件时训练结束。
[0022]第三方面，本专利技术提供了一种电子设备，包括：
[0023]至少一个处理器；以及
[0024]与至少一个处理器通信连接的存储器；其中，
[0025]存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的图像处理模型的训练方法。
[0026]第四方面，本专利技术提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，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的图像处理模型的训练方法。
[0027]本专利技术实施例提供的技术方案，获取包含有病灶标注区域信息的样本图像和样本图像对应的目标疾病类别标注，随后将样本图像输入至待训练的预设图像处理模型中进行图像处理，获得预测概率值和预测病灶热力图，进而基于预测概率值和疾病类别标注，确定样本图像对应的疾病概率损失值。基于样本图像中的病灶标注区域信息，生成与病灶标注区域对应的标注蒙版，基于所述标注蒙版确定所述预测病灶热力图中的前景热力图区域和背景热力图区域，进而基于前景热力图区域和标注蒙版，确定样本图像对应的前景损失值；基于背景热力图区域和标注蒙版，确定样本图像对应的背景损失值。基于疾病概率损失值、前景损失值以及背景损失值，对预设图像处理模型进行训练，直到满足预设条件时训练结束，从而实现了图像处理模型的模型训练，通过分别确定疾病概率损失值、前景损失值以及背景损失值，以基于多个损失值对图像处理模型参数进行优化，解决了图像处理模型的训练准确率低的问题，提高了图像处理模型的训练准确率，保证图像处理模型的高性能。
[0028]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
[0029]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。
[0030]图1为本专利技术实施例一提供的一种图像处理模型的训练方法的流程图；
[0031]图2为本专利技术实施例一涉及的病灶标注区域信息示意图；
[0032]图3是本专利技术实施例一涉及的ResNet的结构示意图；
[0033]图4是本专利技术实施例一涉及的残差块结构图；
[0034]图5是本专利技术实施例一涉及的标注蒙版示意图；
[0035]图6是本专利技术实施例一涉及的评估图像处理模型的ROC曲线示意图；
[0036]图7为本专利技术实施例二提供的一种图像处理模型的训练方法的流程图；
[0037]图8为本专利技术实施例二涉及的样本图像对应的样本特征图的示意图；
[0038]图9为本专利技术实施例二涉及的样本特征图得到逻辑值的示意图；
[0039]图10为本专利技术实施例二涉及的根据样本特征图得到样本逻辑图的示意图；
[0040]图11为本专利技术实施例三提供的一种图像处理模型的训练方法的流程图；
[0041]图12为本专利技术实施例四提供的一种图像处理模型的训练装置结构示意图；
[0042]图13为本专利技术实施例五提供的一种设备的结构示意图。
具体实施方式
[0043]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。
[0044]需要说明的是，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，包括：获取包含有病灶标注区域信息的样本图像和所述样本图像对应的目标疾病类别标注；将所述样本图像输入至待训练的预设图像处理模型中进行图像处理，获得所述样本图像为目标疾病类别的预测概率值和预测病灶热力图；基于所述预测概率值和所述目标疾病类别标注，确定所述样本图像对应的疾病概率损失值；基于样本图像中的病灶标注区域信息，生成与病灶标注区域对应的标注蒙版，基于所述标注蒙版确定所述预测病灶热力图中的前景热力图区域和背景热力图区域；基于所述前景热力图区域和所述标注蒙版，确定所述样本图像对应的前景损失值；基于所述背景热力图区域和所述标注蒙版，确定所述样本图像对应的背景损失值；基于所述疾病概率损失值、所述前景损失值以及所述背景损失值，对所述预设图像处理模型进行训练，直到满足预设条件时训练结束。2.根据权利要求1所述的方法，其特征在于，所述预设图像处理模型包括：特征图提取子模型、概率值预测子模型以及热力图生成子模型；所述将所述样本图像输入至待训练的预设图像处理模型中进行图像处理，获得所述样本图像属于所述目标疾病类别的预测概率值和预测病灶热力图，包括：将所述样本图像输入至所述特征图提取子模型中进行特征提取，获得所述样本图像对应的样本特征图；将所述样本特征图输入至所述概率值预测子模型中进行分类预测，获得所述样本图像属于所述目标疾病类别的预测概率值；将所述样本特征图输入至所述热力图生成子模型中进行热力图生成，获得所述样本图像对应的预测病灶热力图。3.根据权利要求2所述的方法，其特征在于，所述热力图生成子模型包括：逻辑图提取单元和热力图生成单元；所述将所述样本特征图输入至所述热力图生成子模型中进行热力图生成，获得所述样本图像对应的预测病灶热力图，包括：将所述样本特征图输入至所述逻辑图提取单元中进行逻辑图生成，获得所述样本特征图对应的样本逻辑图；将所述样本逻辑图输入至所述热力图生成单元中进行概率预测，获得所述样本逻辑图中每个逻辑点对应的逻辑点预测概率值；根据各所述逻辑点预测概率值，生成所述样本图像对应的预测病灶热力图。4.根据权利要求1所述的方法，其特征在于，所述基于所述标注蒙版确定所述预测病灶热力图中的前景热力图区域和背景热力图区域，包括：将所述标注蒙版中病灶标注区域内的各像素点组成的区域作为前景蒙版区域，将所述标注蒙版中病灶标注区域之外的各像素点组成的区域作为背景蒙版区域；在所述预测病灶热力图中，将与所述前景蒙版区域对应的像素点组成的区域确定为前景热力图区域，将与所述背景蒙版区域对应的像素点组成的区域确定为背景热力图区域；其中，所述预测病灶热力图与所述标注蒙版尺寸大小相同。5.根据权利要求1所述的方法，其特征在于，所述基于所述前景热力图区域和所述标注
蒙版，确定所述样本图像对应的前景损失值，包括：确定所述标注蒙版中前景蒙版区域对应的前景标记值；...

【专利技术属性】
技术研发人员：马勇，孙宗极，李舰，吴文辉，
申请(专利权)人：江西中科九峰智慧医疗科技有限公司，
类型：发明
国别省市：