重建模型训练方法、异常检测方法、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CN113888663A(43)申请公布日2022.01.04(21)申请号202111204693.2(22)申请日2021.10.15(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)发明人于朋鑫王少康陈宽(74)专利代理机构北京品源专利代理有限公司11332代理人侯军洋(51)Int.Cl.G06T11/00(2006.01)G06T7/33(2017.01)G06K9/62(2006.01)权利要求书3页说明书18页附图6页(54)发明名称重建模型训练方法、异常检测方法、装置、设备及介质(57)摘要本发明实施例公开了一种重建模型训练方法、异常检测方法、装置、设备及介质。重建模型训练方法包括：获取至少一个正样本图像；对于任一正样本图像中的任一像素区域，确定当前像素区域在第一模态下的第一相关像素区域，以及当前像素区域在至少一个第二模态下的第二像素区域；获取任一正样本图像中的各像素区域的第一相关像素区域和第二像素区域的融合区域特征，并基于各所述像素区域的融合区域特征以及各所述像素区域在各个模态下的各模态区域图像，对当前图像重建模型进行迭代训练，直到满足迭代停止条件，得到训练后的目标图像重建模型。通过本发明实施例的技术方案，实现了提高医学图像中异常检测的准确性，从而降低医生漏诊异常疾病的可能性。CN113888663ACN113888663A权利要求书1/3页1.一种图像重建模型训练方法，其特征在于，包括：获取至少一个正样本图像；对于任一正样本图像中的任一像素区域，确定当前像素区域在第一模态下的第一相关像素区域，以及所述当前像素区域在至少一个第二模态下的第二像素区域；获取任一正样本图像中的各像素区域的第一相关像素区域和第二像素区域的融合区域特征，并基于各所述像素区域的融合区域特征以及各所述像素区域在各个模态下的各模态区域图像，对当前图像重建模型进行迭代训练，直到满足迭代停止条件，得到训练后的目标图像重建模型。2.根据权利要求1所述的方法，其特征在于，在获取至少一个正样本图像之后，还包括：基于所述正样本图像中像素点的像素数据确定所述正样本图像的有效图像区域；基于预设划分条件，确定所述有效图像区域中的至少一个像素区域。3.根据权利要求1所述的方法，其特征在于，在确定当前像素区域在第一模态下的第一相关像素区域之前，还包括：对于任一正样本图像，获取所述正样本图像在第一模态下的第一模态图像，以及所述正样本图像在至少一个第二模态下的第二模态图像；基于预设配准规则对所述第一模态图像以及各所述第二模态图像进行配准；获取所述正样本图像中的预设位置线条，并基于所述预设位置线条对所述第一模态图像以及各所述第二模态图像中的各图像内容进行位置校正。4.根据权利要求1所述的方法，其特征在于，在确定当前像素区域在第一模态下的第一相关像素区域之前，还包括：基于预设编码规则对各所述正样本图像中的各所述像素区域进行编码，得到各所述像素区域的编码标识；其中，所述编码标识包括所述像素区域在所述样本图像中第一坐标轴投影上的位置、所述像素区域在所述样本图像中第二坐标轴投影上的位置、所述像素区域在所述样本图像中第三坐标轴投影上的位置、所述像素区域与预设位置线条的位置关系、所述像素区域的所在模态。5.根据权利要求1所述的方法，其特征在于，所述第一相关像素区域包括第一像素相邻区域和第一像素对称区域；相应的，所述获取任一正样本图像中的各像素区域的第一相关像素区域和第二像素区域的融合图像特征，包括：将所述第二像素区域的区域图像数据分别输入到各所述第二模态对应的各第二编码器中进行特征提取，得到各所述第二编码器输出的各第二区域特征；将所述第一像素相邻区域的区域图像数据、所述第一像素对称区域的区域图像数据，以及各所述第二区域图像特征输入至所述第一模态对应的第一编码器中，得到所述第一编码器输出的融合区域特征。6.根据权利要求5所述的方法，其特征在于，所述基于各所述像素区域的融合区域特征以及各所述像素区域在各个模态下的各模态区域图像，对当前图像重建模型进行迭代训练，直到满足迭代停止条件，得到训练后的目标图像重建模型，包括：将各所述融合区域特征输入至所述第一模态对应的第一解码器中进行图像重建，得到所述第一解码器输出的第一重建图像；2CN113888663A权利要求书2/3页将所述第二区域特征分别输入至各所述第二模态分别对应的各第二解码器中进行图像重建，得到各所述第二解码器输出的各第二重建图像；将所述正样本图像在第一模态的第一模态图像作为第一重建图像的第一标签，以及将所述正样本图像在至少一个第二模态下的各第二模态图像分别作为各所述第二重建图像的各第二标签；基于所述