[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

说明书

本申请公开了一种图像检测方法及相关模型的训练方法和相关装置、设备，其中，图像检测模型的训练方法包括：获取样本医学图像，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样本医学图像进行检测以得到包括未标注器官的第一预测区域的第一检测结果；利用图像检测模型对样本医学图像进行检测以得到包括未标注器官的第二预测区域的第二检测结果，图像检测模型的网络参数是基于原始检测模型的网络参数确定的；利用第一预测区域分别与实际区域、第二预测区域之间的差异，调整原始检测模型的网络参数。上述方案，能够在多器官检测时，提高检测准确性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种图像检测方法及相关模型的训练方法和相关装置、设备。

背景技术

CT(Computed Tomography，计算机断层扫描)和MRI(Magnetic ResonanceImaging，核磁共振扫描)等医学图像在临床具有重要意义。其中，在CT、MRI等医学图像上进行多器官检测，以确定医学图像上各器官对应的区域，在临床实践中具有广泛的应用，例如，计算机辅助诊断、放疗计划制定等。故此，训练出适用于多器官检测的图像检测模型具有较高的应用价值。

目前，模型训练依赖于大量的具有标注的数据集。然而，在医疗影像领域，获得大量的高质量的多器官标注是非常耗时耗力的，而且通常只有经验丰富的放射科医生才有能力对数据进行标注。受限于此，现有的图像检测模型在进行多器官检测时，往往存在准确性低的问题。有鉴于此，如何在多器官检测时，提高检测准确性成为亟待解决的问题。

发明内容

本申请提供一种图像检测方法及相关模型的训练方法和相关装置、设备。

本申请第一方面提供了一种图像检测模型的训练方法，包括：获取样本医学图像，其中，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样本医学图像进行检测以得到第一检测结果，其中，第一检测结果包括未标注器官的第一预测区域；以及，利用图像检测模型对样本医学图像进行检测以得到第二检测结果，其中，第二检测结果包括未标注器官的第二预测区域，图像检测模型的网络参数是基于原始检测模型的网络参数确定的；利用第一预测区域分别与实际区域、第二预测区域之间的差异，调整原始检测模型的网络参数。

因此，通过获取样本医学图像，且样本医学图像伪标注出至少一个未标注器官的实际区域，故样本医学图像中无需对多器官进行真实标注，从而利用原始检测模型对样本医学图像检测检测以得到包含未标注器官的第一预设区域的第一检测结果，并利用图像检测模型对样本医学图像进行检测以得到包含未标注器官的第二预测区域的第二检测结果，进而利用第一预测区域分别与实际区域、第二预测区域之间的差异，调整原始检测模型的网络参数，且图像检测模型的网络参数是基于原始检测模型的网络参数确定的，故能够使得图像检测模型监督原始检测模型的训练，故能够约束网络参数在多次训练过程中由于伪标注的真实区域所产生的累积误差，提高图像检测模型的准确性，从而使得图像检测模型得以准确地监督原始检测模型进行训练，进而使得原始检测模型在训练过程中能够准确地调整其网络参数，故此，能够在多器官检测时，提升图像检测模型的检测准确性。

其中，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，图像检测模型包括与第一原始检测模型对应的第一图像检测模型和与第二原始检测模型对应的第二图像检测模型；利用原始检测模型对样本医学图像进行检测以得到第一检测结果，包括：分别利用第一原始检测模型和第二原始检测模型执行对样本医学图像进行检测以得到第一检测结果的步骤；利用图像检测模型对样本医学图像进行检测以得到第二检测结果，包括：分别利用第一图像检测模型和第二图像检测模型执行对样本医学图像进行检测以得到第二检测结果的步骤；利用第一预测区域分别与实际区域、第二预测区域之间的差异，调整原始检测模型的网络参数，包括：利用第一原始检测模型的第一预测区域分别与实际区域、第二图像检测模型的第二预测区域之间的差异，调整第一原始检测模型的网络参数；以及，利用第二原始检测模型的第一预测区域分别与实际区域、第一图像检测模型的第二预测区域之间的差异，调整第二原始检测模型的网络参数。