【技术实现步骤摘要】
本公开涉及图像处理领域，特别是涉及一种图像处理模型的训练方法、图像处理方法、装置、计算设备及存储介质。
技术介绍
1、在当前医生常常借助医学扫描设备(如核磁共振成像扫描仪、磁共振成像扫描仪、计算机断层扫描仪等)扫描得到的医学图像序列进行医疗诊断。在这个过程中，对图像进行预处理，例如对图像区域进行分割，对于辅助医生诊断可能是非常方便的。
技术实现思路
1、根据本公开的一方面，提供了一种用于图像处理模型的训练方法，包括：获得样本图像和针对所述样本图像的标注数据，所述标注数据包括所述样本图像的标注的异常区域和至少第一非异常区域；获得至少两个子网络，所述至少两个子网络中的每个子网络能够被用于基于所述样本图像输出用于对异常进行分割的预测结果，所述至少两个子网络包括第一子网络和第二子网络，其中所述第二子网络是基于至少一个策略而获得的，所述至少一个策略包括第一策略，所述第一策略用于降低所述第一子网络针对所述样本图像的第一预测结果和所述第二子网络针对所述样本图像的第二预测结果在所述样本图像的所述第一非异常区域中的相似度；以及基于所述至少两个子网络构建所述图像处理模型。
2、根据本公开的另一方面，提供了一种图像处理方法，包括：通过根据本公开的实施例的方法获得图像处理模型；以及基于输入图像，通过所述图像处理模型获得分割结果。
3、根据本公开的又另一方面，提供了一种用于图像处理模型的训练装置，包括：样本图像获得单元，用于获得样本图像和针对所述样本图像的标注数据，所述标注数据包括所
4、根据本公开的再另一方面，提供了一种图像处理装置，包括：模型获得单元，用于通过根据本公开的实施例的方法或装置获得图像处理模型；以及分割单元，用于基于输入图像，通过所述图像处理模型获得分割结果。
5、根据本公开的另一方面，提供了一种计算设备，包括：存储器、处理器以及存储在所述存储器上的计算机程序，其中，所述处理器被配置为执行所述计算机程序以实现根据本公开的一个或多个实施例的用于图像处理模型的训练方法。
6、根据本公开的另一方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现根据本公开的一个或多个实施例的用于图像处理模型的训练方法。
7、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的一个或多个实施例的用于图像处理模型的训练方法。
8、根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
本文档来自技高网...【技术保护点】
1.一种用于图像处理模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述至少一个策略还包括第二策略，所述第二策略用于降低所述第二预测结果指示的异常分割与所述标注的异常区域的差异。
3.根据权利要求2所述的方法，其中，所述第二子网络是通过以下操作，基于所述至少一个策略而训练的：
4.根据权利要求1-3中任一项所述的方法，还包括调整所述第一子网络的参数，以降低所述第一预测结果指示的异常分割与所述标注的异常区域的差异。
5.根据权利要求1-4中任一项所述的方法，还包括调整所述第一子网络的参数，以降低所述第一预测结果与所述第二预测结果在所述第一非异常区域中的相似度。
6.根据权利要求4或5所述的方法，其中，获得至少两个子网络包括：
7.根据权利要求1-5中任一项所述的方法，其中，所述第一子网络和第二子网络是通过如下操作获得的：
8.根据权利要求1-5中任一项所述的方法，其中，所述第一子网络和第二子网络是通过如下操作获得的：
9.根据权利要求1-5中任一项所述的方法，其中，获得至少两
10.根据权利要求9所述的方法，其中，所述惩罚值是所述至少两个子网络的相应的至少两个惩罚向量的点乘乘积，其中每个子网络的惩罚向量对应于该子网络针对所述样本图像的预测结果在所述第一非异常区域中的部分。
11.根据权利要求9所述的方法，其中，所述惩罚值是所述至少两个子网络的相应的至少两个惩罚向量的两两点乘乘积之和，其中每个子网络的惩罚向量对应于该子网络针对所述样本图像的预测结果在所述第一非异常区域中的部分。
12.根据权利要求1-11中任一项所述的方法，其中，基于所述至少两个子网络构建所述图像处理模型包括：
13.根据权利要求11所述的方法，其中，整合所述至少两个子网络输出的所述至少两个预测结果包括对所述至少两个预测结果进行平均。
14.根据权利要求13所述的方法，其中，整合所述至少两个子网络输出的所述至少两个预测结果包括对所述至少两个预测结果进行加权平均，并且其中，所述加权平均操作中每个子网络所对应的权重基于相应子网络与所述至少两个子网络中的其他网络的预测结果在所述第一非异常区域中的相似度。
15.根据权利要求1-14中任一项所述的方法，其中，所述样本图像是针对人体采集的图像，所述标注的异常区域对应于病灶，并且所述第一非异常区域对应于所述病灶周围的反光区域。
16.根据权利要求1-15中任一项所述的方法，其中，所述标注数据还包括所述样本图像的第二非异常区域，并且其中，所述至少一个策略还包括用于降低所述第二预测结果指示的非异常分割与所述第二非异常区域的差异的策略。
17.根据权利要求16所述的方法，还包括调整所述第一子网络的参数，以降低所述第一预测结果指示的非异常分割与所述第二非异常区域的差异。
18.一种图像处理方法，包括：
19.一种图像处理方法，包括：
20.根据权利要求19所述的图像处理方法，其中，基于所述至少两个预测结果获得针对所述目标图像的异常分割的最终预测结果包括对所述至少两个预测结果进行加权平均以获得所述最终预测结果。
21.根据权利要求20所述的图像处理方法，其中，在所述加权平均中，所述至少两个子网络中的每个子网络的权重基于该子网络与所述至少两个子网络中的至少一个其他子网络在所述至少一个易错区域中的相似度。
22.一种用于图像处理模型的训练装置，包括：
23.一种图像处理装置，包括：
24.一种计算设备，包括：
25.一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-21中任一项所述方法的步骤。
26.一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1-21中任一项所述方法的步骤。
...【技术特征摘要】
1.一种用于图像处理模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述至少一个策略还包括第二策略，所述第二策略用于降低所述第二预测结果指示的异常分割与所述标注的异常区域的差异。
3.根据权利要求2所述的方法，其中，所述第二子网络是通过以下操作，基于所述至少一个策略而训练的：
4.根据权利要求1-3中任一项所述的方法，还包括调整所述第一子网络的参数，以降低所述第一预测结果指示的异常分割与所述标注的异常区域的差异。
5.根据权利要求1-4中任一项所述的方法，还包括调整所述第一子网络的参数，以降低所述第一预测结果与所述第二预测结果在所述第一非异常区域中的相似度。
6.根据权利要求4或5所述的方法，其中，获得至少两个子网络包括：
7.根据权利要求1-5中任一项所述的方法，其中，所述第一子网络和第二子网络是通过如下操作获得的：
8.根据权利要求1-5中任一项所述的方法，其中，所述第一子网络和第二子网络是通过如下操作获得的：
9.根据权利要求1-5中任一项所述的方法，其中，获得至少两个子网络包括：
10.根据权利要求9所述的方法，其中，所述惩罚值是所述至少两个子网络的相应的至少两个惩罚向量的点乘乘积，其中每个子网络的惩罚向量对应于该子网络针对所述样本图像的预测结果在所述第一非异常区域中的部分。
11.根据权利要求9所述的方法，其中，所述惩罚值是所述至少两个子网络的相应的至少两个惩罚向量的两两点乘乘积之和，其中每个子网络的惩罚向量对应于该子网络针对所述样本图像的预测结果在所述第一非异常区域中的部分。
12.根据权利要求1-11中任一项所述的方法，其中，基于所述至少两个子网络构建所述图像处理模型包括：
13.根据权利要求11所述的方法，其中，整合所述至少两个子网络输出的所述至少两个预测结果包括对所述至少两个预测结果进行平均。
14.根据...
【专利技术属性】
技术研发人员：肖月庭，阳光，郑超，毛新生，
申请(专利权)人：数坤科技股份有限公司，
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。