分割模型的训练方法、使用方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114299284A(43)申请公布日2022.04.08(21)申请号202111113808.7G06V20/69(2022.01)(22)申请日2021.09.23G06K9/62(2022.01)G06N3/04(2006.01)(71)申请人腾讯科技（深圳）有限公司G06N3/08(2006.01)地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人周昵昀严欣姚建华(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人孙晓丽(51)Int.Cl.G06V10/26(2022.01)G06V10/25(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)权利要求书3页说明书19页附图21页(54)发明名称分割模型的训练方法、使用方法、装置、设备及介质(57)摘要本申请公开了一种分割模型的训练方法、使用方法、装置、设备及介质，属于人工智能技术领域。该方法包括：获取样本三维医学图像和样本实例分割结果；将所述样本三维医学图像的特征表示输入至分割模型的语义分割分支，输出语义分割结果；分割模型的目标检测分支，输出检测框的位置信息和分类结果；根据语义分割结果、检测框的位置信息和分类结果，得到预测实例分割结果；基于所述预测实例分割结果和所述样本实例分割结果之间的误差进行训练，得到训练后的分割模型。本申请通过结合语义分割分支和目标检测分支实现了三维医学图像的实例分割；选取三维医学图像进行语义分割，增加了描述三维兴趣目标的维度；提高了解析生物结构信息的能力。CN114299284ACN114299284A权利要求书1/3页1.一种分割模型的训练方法，其特征在于，所述方法包括：获取样本三维医学图像和样本实例分割结果，所述样本实例分割结果包括所述样本三维医学图像中的n种三维兴趣目标的标签，n为大于1的整数；将所述样本三维医学图像的特征表示输入至所述分割模型的语义分割分支，输出所述样本三维医学图像的语义分割结果；所述语义分割结果用于指示所述三维兴趣目标的三维位置信息；以及将所述样本三维医学图像的特征表示输入至所述分割模型的目标检测分支，输出检测框的位置信息和分类结果；所述检测框用于确定所述样本三维医学图像中的所述三维兴趣目标；根据所述语义分割结果、所述检测框的所述位置信息和所述分类结果，得到所述样本三维医学图像的预测实例分割结果；基于所述预测实例分割结果和所述样本实例分割结果之间的误差，对所述分割模型进行训练，得到训练后的分割模型。2.根据权利要求1所述的方法，其特征在于，所述语义分割分支包括：编码器和解码器；所述将所述样本三维医学图像的特征表示输入至所述分割模型的语义分割分支，输出所述样本三维医学图像的语义分割结果，包括：将所述样本三维医学图像的特征表示输入至所述编码器，编码得到所述样本三维医学图像的隐层表示；将所述隐层表示输入至所述解码器，解码得到所述样本三维医学图像的语义分割结果。3.根据权利要求2所述的方法，其特征在于，所述编码器是U型卷积神经网络U‑Net的编码器，所述解码器是所述U‑Net的解码器；所述将所述样本三维医学图像的特征表示输入至所述编码器，编码得到所述样本三维医学图像的隐层表示，包括：将所述样本三维医学图像的特征表示输入至所述U‑Net的编码器，编码得到所述样本三维医学图像的隐层表示；所述将所述隐层表示输入至所述解码器，解码得到所述样本三维医学图像的语义分割结果，包括：将所述隐层表示输入至所述U‑Net的解码器，解码得到所述样本三维医学图像的语义分割结果。4.根据权利要求1所述的方法，其特征在于，所述目标检测分支是区域提议网络RPN；所述将所述样本三维医学图像的特征表示输入至所述分割模型的目标检测分支，输出检测框的位置信息和分类结果，包括：将所述样本三维医学图像的特征表示输入至所述RPN，输出所述检测框的位置信息和分类结果。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：通过兴趣区域对齐ROIAlign对所述位置信息进行修正，得到修正后的位置信息。6.根据权利要求1所述的方法，其特征在于，所述语义分割结果包括至少一个预测兴趣目标的三维位置信息；所述根据所述语义分割结果、所述检测框的所述位置信息和所述分类结果，得到所述2CN114299284A权利要求书2/3页样本三维医学图像的预测实例分割结果，包括：基于所述检测框的位置信息以及所述至少一个预测兴趣目标的三维位置信息，确定位于所述检测框内的所述预测兴趣目标；将所述检测框的所述分类结果确定为所述预测兴趣目标的分类结果；输出所述样本三维医学图像的预测实例分割结果，所述预