[发明专利]一种图像分割模型训练的方法、图像分割的方法及装置

权利要求书

1.一种图像分割模型训练的方法，其特征在于，包括：

获取样本图像库，所述样本图像库包含多组样本图像，其中，每组样本图像中包括样本图像和所述样本图像对应的标记图像，所述样本图像包含不同物体之间相重叠的图像区域，所述标记图像中标记有所述样本图像中不同物体之间的参考边界区域；

利用所述样本图像库中的每一组样本图像，对图像分割模型进行训练，直至确定所述图像分割模型训练完成；其中，执行的训练过程包括：

调整所述样本图像库中样本图像的像素点的像素值，得到所述样本图像对应的第一图像；将所述第一图像输入至所述图像分割模型中，输出对所述第一图像分割后的第二图像，所述第二图像中标记有所述样本图像中不同物体之间的预测边界区域；根据所述第二图像和所述标记图像，计算所述图像分割模型训练的损失值；若所述损失值不满足预设条件，则调整所述图像分割模型的模型参数，并重新执行所述训练过程，直至所述损失值满足所述预设条件，确定所述图像分割模型训练完成。

2.根据权利要求1所述的方法，其特征在于，所述调整所述样本图像库中样本图像的像素点的像素值，得到所述样本图像对应的第一图像，包括：

针对所述样本图像库中每个样本图像，执行以下处理：

识别该样本图像中每一类像素点的数量，其中，相同像素值的像素点为一类像素点；

将每一类像素点的数量除以该样本图像的像素点总个数，得到每一类像素点的分布密度；

针对每一类像素点的分布密度，确定小于该类像素点的分布密度的其它类像素点的分布密度，将该类像素点的分布密度与所述其它类像素点的分布密度之和，作为该类像素点的累计分布密度；

基于每一类像素点的累计分布密度和预设像素值，调整每一类像素点的像素值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第二图像和所述标记图像，计算所述图像分割模型训练的损失值，包括：

针对分别处于所述第二图像和所述标记图像中同一位置处的两个像素点，计算两个像素点的像素值之间的交叉熵损失值、以及交并比损失值；

基于计算出的交叉熵损失值以及交并比损失值，得到所述图像分割模型训练的损失值。

4.根据权利要求1至3任一所述的方法，其特征在于，所述样本图像为胸片图像，其中胸片图像中包括锁骨、心影和肺野之间相重叠的图像区域，所述胸片图像对应的标记图像为标记有锁骨、心影和肺野之间参考边界区域的胸片图像。

5.一种图像分割的方法，其特征在于，包括：

获取待分割图像，其中，所述待分割图像包含不同物体之间相重叠的图像区域；

将所述待分割图像输入至通过上述权利要求1-4任一所述的图像分割模型训练的方法训练得到的图像分割模型，输出对所述待分割图像分割后的分割图像，其中，所述分割图像中标记有所述待分割图像中不同物体之间的预测边界区域。

6.一种图像分割模型训练的装置，其特征在于，包括：

获取模块，用于获取样本图像库，所述样本图像库包含多组样本图像，其中，每组样本图像中包括样本图像和所述样本图像对应的标记图像，所述样本图像包含不同物体之间相重叠的图像区域，所述标记图像中标记有所述样本图像中不同物体之间的参考边界区域；

模型训练模块，用于利用所述样本图像库中的每一组样本图像，对图像分割模型进行训练，直至确定所述图像分割模型训练完成；其中，执行的训练过程包括：

调整所述样本图像库中样本图像的像素点的像素值，得到所述样本图像对应的第一图像；将所述第一图像输入至所述图像分割模型中，输出对所述第一图像分割后的第二图像，所述第二图像中标记有所述样本图像中不同物体之间的预测边界区域；根据所述第二图像和所述标记图像，计算所述图像分割模型训练的损失值；若所述损失值不满足预设条件，则调整所述图像分割模型的模型参数，并重新执行所述训练过程，直至所述损失值满足所述预设条件，确定所述图像分割模型训练完成。