分割模型的训练方法、分割方法、装置、电子设备及介质.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CN114266777A(43)申请公布日2022.04.01(21)申请号202111546381.XG06N3/08(2006.01)(22)申请日2021.12.16G06T5/50(2006.01)(71)申请人推想医疗科技股份有限公司地址100085北京市海淀区上地信息路12号1幢4层B401室(72)发明人唐雯陈宽王少康(74)专利代理机构北京品源专利代理有限公司11332代理人蔡舒野(51)Int.Cl.G06T7/10(2017.01)G06V10/762(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书13页附图4页(54)发明名称分割模型的训练方法、分割方法、装置、电子设备及介质(57)摘要本发明公开了一种分割模型的训练方法、分割方法、装置、电子设备及介质。该分割模型的训练方法包括：获取初始样本图像和所述初始样本图像的样本分割图像，并基于预先获取的噪声数据确定所述样本分割图像的样本噪声图像；将所述初始样本图像和所述样本噪声图像进行图像融合，并基于当前分割模型确定融合后的融合样本图像对应的融合分割图像；基于所述融合分割图像和预先训练好的判别模型对当前分割模型进行对抗训练，并得到当前次迭代更新后的分割模型，直到满足迭代停止条件，得到训练后的目标分割模型；实现了学习出图像中每个病灶可能存在的标记结果，将多种结果都作为分割模型的结果输出。CN114266777ACN114266777A权利要求书1/2页1.一种分割模型的训练方法，其特征在于，包括：获取初始样本图像和所述初始样本图像的样本分割图像，并基于预先获取的噪声数据确定所述样本分割图像的样本噪声图像；将所述初始样本图像和所述样本噪声图像进行图像融合，并基于当前分割模型确定融合后的融合样本图像对应的融合分割图像；基于所述融合分割图像和预先训练好的判别模型对当前分割模型进行对抗训练，并得到当前次迭代更新后的分割模型，直到满足迭代停止条件，得到训练后的目标分割模型。2.根据权利要求1所述的方法，其特征在于，所述基于预先获取的噪声数据确定所述样本分割图像的样本噪声图像，包括：获取至少一个随机噪声数据；对于任一帧样本分割图像，获取当前样本分割图像的分割图像数据，分别将各所述随机噪声数据与所述分割图像数据进行数据融合，基于融合后的像素数据生成样本噪声图像。3.根据权利要求1所述的方法，其特征在于，所述将所述初始样本图像和所述样本噪声图像进行图像融合，包括：获取所述初始样本图像的初始图像数据，以及所述样本噪声图像的噪声图像数据；将所述初始图像数据和所述噪声图像数据进行数据融合，基于融合后的像素数据生成融合样本图像。4.根据权利要求1所述的方法，其特征在于，所述基于所述判别结果对当前分割模型进行训练，包括：基于所述判别结果生成当前分割模型的损失函数，基于所述损失函数对所述当前分割模型进行参数调节；当所述当前分割模型的训练过程满足训练停止条件，得到训练完成的目标分割模型。5.根据权利要求1所述的方法，其特征在于，在将所述融合分割图像输入至预先训练好的判别模型得到所述融合图像的判别结果之前，还包括：获取所述初始样本图像对应的样本聚类结果，基于所述样本聚类结果和所述融合分割图像对所述判别模型进行当前次迭代训练，并得到当前次迭代更新后的判别模型，直到满足迭代停止条件，得到训练好的判别模型。6.根据权利要求5所述的方法，其特征在于，所述获取所述初始样本图像对应的样本聚类结果，包括：基于预设的编码模块对所述初始样本图像进行特征提取，得到所述初始样本图像的样本图像特征；对所述样本图像特征进行聚类处理，得到所述初始样本图像对应的样本聚类结果。7.根据权利要求6所述的方法，其特征在于，所述样本图像特征的数量为多个；相应的，所述对所述样本图像特征进行聚类处理，得到所述初始样本图像对应的样本聚类结果，包括：分别确定各所述样本图像特征之间的多个距离数据；基于各所述距离数据与预设的距离阈值之间的数值比对结果，确定所述样本聚类结果。2CN114266777A权利要求书2/2页8.一种图像分割方法，其特征在于，包括：获取待分割图像；将所述待分割图像输入至预先训练的分割模型，得到所述分割模型输出的多个不同的分割图像；其中，所述分割模型基于权利要求1‑7任一所述的分割模型训练方法预先训练得到。9.一种分割模型的训练装置，其特征在于，包括：样本噪声图像确定模块，用于获取初始样本图像和所述初始样本图像的样本分割图像，并基于预先获取的噪声数据确定所述样本分割图像的样本噪声图像；融合分割图像确定模块，用于将所述初始样本图像和所述样本噪声图像进行图像融合，