用于医学图像的图像处理方法、装置、设备及存储介质.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CN114283151A(43)申请公布日2022.04.05(21)申请号202110938701.X(22)申请日2021.08.16(71)申请人腾讯科技（深圳）有限公司地址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)发明人林一(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代理人张所明(51)Int.Cl.G06T7/11(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书22页附图8页(54)发明名称用于医学图像的图像处理方法、装置、设备及存储介质(57)摘要本申请关于一种用于医学图像的图像处理方法、装置、设备及存储介质，涉及医疗技术领域。该方法包括：调用第一编码网络对目标医学对象的第一模态的样本医学图像进行编码，获得第一特征图；调用解码网络，基于第一特征图获得用以指示预测出的至少一个指定类型区域的预测分割图像；调用生成网络基于第一特征图生成第二模态的预测生成图像；基于预测分割图像与标签图像之间的差异，预测生成图像与目标医学对象的第二模态的样本医学图像之间的差异，对图像处理模型进行训练。通过上述方法，使得训练获得图像处理模型能够基于单一模态的医学图像，获取到多模态的医学图像的特征，进而获得较为全面的医学图像分割结果，提高了对医学图像的分割效果。CN114283151ACN114283151A权利要求书1/3页1.一种用于医学图像的图像处理方法，其特征在于，所述方法包括：调用图像处理模型中的第一编码网络，对第一样本图像进行编码，获得所述第一样本图像对应的第一特征图；所述第一样本图像是目标医学对象的第一模态的样本医学图像；调用所述图像处理模型中的解码网络，基于所述第一特征图进行解码，获得所述第一样本图像的预测分割图像；所述预测分割图像用以指示预测出的至少一个指定类型区域；调用所述图像处理模型中的生成网络，基于所述第一特征图生成预测生成图像；所述预测生成图像是所述第一样本图像对应的第二模态的预测图像；基于所述预测分割图像与标签图像之间的差异，所述预测生成图像与第二样本图像之间的差异，对所述图像处理模型进行训练；所述第二样本图像是所述目标医学对象的第二模态的样本医学图像；所述标签图像是所述目标医学对象对应的，用以指示至少一个指定类型区域的图像。2.根据权利要求1所述的方法，其特征在于，所述基于预测分割图像与所述标签图像之间的差异，所述预测生成图像与所述第二样本图像之间的差异，对所述图像处理模型进行训练，包括：基于所述预测分割图像与所述标签图像之间的差异，确定第一损失函数的函数值；基于所述预测生成图像与所述第二样本图像之间的差异，确定第二损失函数的函数值；基于所述第一损失函数的函数值，以及所述第二损失函数的函数值，对所述图像处理模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一损失函数的函数值，以及所述第二损失函数的函数值，对所述图像处理模型进行训练，包括：基于所述第一损失函数的函数值，对所述第一编码网络的参数以及所述解码网络的参数进行更新；基于所述第二损失函数的函数值，对所述第一编码网络的参数以及所述生成网络的参数进行更新。4.根据权利要求2所述的方法，其特征在于，所述基于所述预测分割图像与所述标签图像之间的差异，确定第一损失函数的函数值包括：基于所述预测分割图像与所述标签图像的相似性，确定所述第一损失函数的第一分支函数的函数值；基于所述预测分割图像中预测出的至少一个指定类型区域的位置，与所述标签图像中的至少一个指定类型区域的位置，确定所述第一损失函数的第二分支函数的函数值；基于所述第一分支函数的函数值以及第二分支函数的函数值，确定所述第一损失函数的函数值。5.根据权利要求4所述的方法，其特征在于，基于所述预测分割图像与所述标签图像的相似性，确定所述第一损失函数的第一分支函数的函数值，包括：获取所述预测分割图像中的各个划分区域分别对应的权重值；所述预测分割图像中的各个划分区域包含所述至少一个指定类型区域；基于所述预测分割图像中的各个划分区域分别对应的权重值，以及所述预测分割图像中的各个划分区域与所述标签图像中的各个划分区域的相似性，确定所述第一损失函数的2CN114283151A权利要求书2/3页第一分支函数的函数值。6.根据权利要求2所述的方法，其特征在于，所述方法还包括：调用判别器对所述预测生成图像进行判别，获得所述预测生成图像的判别结果；基于所述判别结果，确定第三损失函数的函数值；所述判别结果用以指示所述预测生成图像是否为真实图像；所述基于所述第一损失函数的函数值，以及所述第二损失函数的函数值，对所述图像处理模型进行训练，包括：基