[发明专利]图像检测方法及相关模型的训练方法和相关装置、设备

权利要求书

1.一种图像检测模型的训练方法，其特征在于，包括：

获取样本医学图像，其中，所述样本医学图像伪标注出至少一个未标注器官的实际区域；

利用原始检测模型对所述样本医学图像进行检测以得到第一检测结果，其中，所述第一检测结果包括所述未标注器官的第一预测区域；以及，

利用图像检测模型对所述样本医学图像进行检测以得到第二检测结果，其中，所述第二检测结果包括所述未标注器官的第二预测区域；所述图像检测模型的网络参数是基于所述原始检测模型的网络参数确定的；

利用所述第一预测区域分别与所述实际区域、所述第二预测区域之间的差异，调整所述原始检测模型的网络参数。

2.根据权利要求1所述的训练方法，其特征在于，所述原始检测模型包括第一原始检测模型和第二原始检测模型，所述图像检测模型包括与所述第一原始检测模型对应的第一图像检测模型和与所述第二原始检测模型对应的第二图像检测模型；

所述利用原始检测模型对所述样本医学图像进行检测以得到第一检测结果，包括：

分别利用所述第一原始检测模型和所述第二原始检测模型执行所述对所述样本医学图像进行检测以得到第一检测结果的步骤；

所述利用图像检测模型对所述样本医学图像进行检测以得到第二检测结果，包括：

分别利用所述第一图像检测模型和第二图像检测模型执行所述对所述样本医学图像进行检测以得到第二检测结果的步骤；

所述利用所述第一预测区域分别与所述实际区域、所述第二预测区域之间的差异，调整所述原始检测模型的网络参数，包括：

利用所述第一原始检测模型的第一预测区域分别与所述实际区域、所述第二图像检测模型的第二预测区域之间的差异，调整所述第一原始检测模型的网络参数；以及，

利用所述第二原始检测模型的第一预测区域分别与所述实际区域、所述第一图像检测模型的第二预测区域之间的差异，调整所述第二原始检测模型的网络参数。

3.根据权利要求1或2所述的训练方法，其特征在于，所述利用所述第一预测区域分别与所述实际区域、所述第二预测区域之间的差异，调整所述原始检测模型的网络参数包括：

利用所述第一预测区域和所述实际区域之间的差异，确定所述原始检测模型的第一损失值；以及，

利用所述第一预测区域和所述第二预测区域之间的差异，确定所述原始检测模型的第二损失值；

利用所述第一损失值和所述第二损失值，调整所述原始检测模型的网络参数。

4.根据权利要求3所述的训练方法，其特征在于，所述利用所述第一预测区域和所述实际区域之间的差异，确定所述原始检测模型的第一损失值包括：

利用焦点损失函数对所述第一预测区域和所述实际区域进行处理，得到焦点第一损失值；和/或，

利用集合相似度损失函数对所述第一预测区域和所述实际区域进行处理，得到所述集合相似度第一损失值；

和/或，所述利用所述第一预测区域和所述第二预测区域之间的差异，确定所述原始检测模型的第二损失值包括：

利用一致性损失函数对所述第一预测区域和所述第二预测区域进行处理，得到所述第二损失值；

和/或，所述利用所述第一损失值和所述第二损失值，调整所述原始检测模型的网络参数包括：

对所述第一损失值和所述第二损失值进行加权处理，得到加权损失值；

利用所述加权损失值，调整所述原始检测模型的网络参数。

5.根据权利要求3或4所述的训练方法，其特征在于，所述样本医学图像中还包含已标注器官的实际区域，所述第一检测结果还包括所述已标注器官的第一预测区域，所述第二检测结果还包括所述已标注器官的第二预测区域；

所述利用所述第一预测区域和所述实际区域之间的差异，确定所述原始检测模型的第一损失值，包括：

利用所述未标注器官和所述已标注器官的第一预测区域和所述实际区域之间的差异，确定所述原始检测模型的第一损失值；

所述利用所述第一预测区域和所述第二预测区域之间的差异，确定所述原始检测模型的第二损失值，包括：

利用所述未标注器官的第一预测区域和对应所述第二预测区域之间的差异，确定所述原始检测模型的第二损失值。