[发明专利]眼底图像分割模型训练方法及设备

说明书

本发明提供一种眼底图像分割模型训练方法及设备，所述方法包括：获取经过预训练的第一分割模型和第二分割模型；分别利用所述第一分割模型和第二分割模型对训练数据中的眼底图像进行分割，其中所述第一分割模型输出关于所述第一感兴趣目标的第一置信度信息，所述第二分割模型输出关于所述第一感兴趣目标和所述第二感兴趣目标的第二置信度信息；根据所述第一置信度信息和所述第二置信度信息得到集成置信度信息；根据由所述集成置信度信息、第二置信度、所述标注数据以及由所述第二置信度确定的分割结果构建的损失函数优化所述第二分割模型的参数。

技术领域

本发明涉及医学图像检测领域，具体涉及一种眼底图像分割模型训练方法及设备。

背景技术

近年来机器学习技术在医学领域得到了广泛的应用，尤其以深度学习为代表的机器学习技术在医疗影像领域被广泛关注。在眼底图像检测方面，语义分割的任务大部分使用端到端的深度学习方法取得较好的结果，精确的边界和位置检测对于跟踪眼底图像病灶发展是很重要的，对病灶进行逐像素分割是一项很有医学应用价值的任务。

现有技术已经可以实现通过大量眼底图像数据集训练机器学习模型，使其能够准确分割出眼底图像中的感兴趣目标。具体来说，用于训练分割性能的数据中包括眼底图像，以及对于其中感兴趣目标的标注数据，对于生成方来说，需要付出一定的人工对眼底图像中的感兴趣目标进行手工标注，以得到训练数据。本领域技术人员可以理解，为了得到更好的性能，往往需要较大的训练数据集，由此需要耗费较多人力。

在实际应用中，随着需求的变化，生产方经常需要对模型的分割功能进行改进。比如原先训练了一个能够分割眼底图像中的一种或多种感兴趣目标的模型，称之为低层级模型；在需求改变时，需要模型仍能够分割原先的感兴趣目标，并在此基础上能够分割新的感兴趣目标，也即增加了感兴趣类别。为此，生产方需要训练一个高层级模型，按照现有技术，生产方需要使用大量新数据重新训练模型，新的训练数据中不但需要标注原先的感兴趣目标，还需要标注新增加的感兴趣目标，这种重复性的标注工作浪费人力，并且更多种类的感兴趣目标也增加了标注难度，如果训练数据量较小会影响模型的分割性能。

发明内容

有鉴于此，本发明提供一种眼底图像分割模型训练方法，包括：

获取经过预训练的第一分割模型和第二分割模型，其中所述第一分割模型能够对眼底图像中的第一感兴趣目标与背景进行分割，所述第二分割模型能够对眼底图像中的所述第一感兴趣目标、第二感兴趣目标与背景进行分割；

分别利用所述第一分割模型和第二分割模型对训练数据中的眼底图像进行分割，所述训练数据包括眼底图像和关于其中所述第一感兴趣目标、所述第二感兴趣目标的标注数据，其中所述第一分割模型输出关于所述第一感兴趣目标的第一置信度信息，所述第二分割模型输出关于所述第一感兴趣目标和所述第二感兴趣目标的第二置信度信息；

根据所述第一置信度信息和所述第二置信度信息得到集成置信度信息；

根据由所述集成置信度信息、第二置信度信息、所述标注数据以及由所述第二置信度信息确定的分割结果构建的损失函数优化所述第二分割模型的参数。

可选地，根据所述第一置信度信息和所述第二置信度信息得到集成置信度信息，包括：

通过将所述第一置信度信息分配到所述第二置信度信息上得到配准置信度信息；

根据所述配准置信度信息和所述第二置信度信息得到集成置信度信息。

可选地，Y_l表示所述第一分割模型的类别空间，Y_l＝[bg_l,C_l]，C_l表示所述第一感兴趣目标，bg_l表示背景；