[发明专利]模型训练方法、图像处理及配准方法以及相关装置、设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取至少一个样本图像，其中，所述样本图像具有标注信息；

利用解纠缠模型分别对所述至少一个样本图像进行内容提取，得到所述至少一个样本图像的内容特征数据；

利用所述至少一个样本图像的内容特征数据和所述标注信息对预设网络模型进行训练，得到用于处理目标图像的网络模型；

其中，所述解纠缠模型是利用属于不同域的两类训练图像训练得到的，且其中一类所述训练图像与所述样本图像属于第一域，另一类所述训练图像与所述目标图像属于第二域。

2.根据权利要求1所述的模型训练方法，其特征在于，所述样本图像和所述目标图像为医学图像，所述标注信息为对生物器官的标注信息；

和/或，所述样本图像和所述目标图像为三维图像，所述标注信息为对三维目标的标注信息。

3.根据权利要求1所述的模型训练方法，其特征在于，所述预设网络模型包括以下任一者：图像分割网络模型、图像分类网络模型、目标检测网络模型。

4.根据权利要求1所述的模型训练方法，其特征在于，所述方法还包括以下步骤，以训练得到所述解纠缠模型：

获取属于所述第一域的第一类训练图像和属于所述第二域的第二类训练图像；

利用原始的解纠缠模型分别对所述第一类训练图像和第二类训练图像进行内容和风格提取，得到所述第一类训练图像的内容特征数据和风格特征数据和所述第二类训练图像的内容特征数据和风格特征数据；

利用所述第一类训练图像的内容特征数据和风格特征数据和所述第二类训练图像的内容特征数据和风格特征数据重建得到重建图像；

基于所述重建图像，得到所述解纠缠模型的损失值；

基于所述损失值，调整所述解纠缠模型的参数。

5.根据权利要求4所述的模型训练方法，其特征在于，所述利用所述第一类训练图像的内容特征数据和风格特征数据和所述第二类训练图像的内容特征数据和风格特征数据重建得到重建图像，包括：

利用所述第一类训练图像的内容特征数据和风格特征数据重建得到第一域内重建图像，并利用所述第二类训练图像的内容特征数据和风格特征数据重建得到第二域内重建图像；以及

利用所述第一类训练图像的风格特征数据和所述第二类训练图像的内容特征数据重建得到第一跨域重建图像，并利用所述第二类训练图像的风格特征数据和所述第一类训练图像的内容特征数据重建得到第二跨域重建图像；

所述基于所述重建图像，得到所述解纠缠模型的损失值，包括：

基于所述第一类训练图像与所述第一域内重建图像之间的差异，得到第一域内损失值，并基于所述第二类训练图像与所述第二域内重建图像之间的差异，得到第二域内损失值；

基于所述第一类训练图像和所述第二跨域重建图像两者的内容特征数据间的差异，得到第一内容损失值，并基于所述第一类训练图像和所述第一跨域重建图像两者的风格特征数据间的差异，得到第一风格损失值，并基于所述第二类训练图像和所述第一跨域重建图像两者的内容特征数据间的差异，得到第二内容损失值，并基于所述第二类训练图像和所述第二跨域重建图像两者的风格特征数据间的差异，得到第二风格损失值；

基于所述第一类训练图像与所述第一跨域重建图像之间的差异，得到第一跨域损失值，并基于所述第二类训练图像与所述第二跨域重建图像之间的差异，得到第二跨域损失值；

对上述得到的损失值进行加权处理，得到所述解纠缠模型的损失值。

6.一种图像处理方法，其特征在于，包括：

利用解纠缠模型对目标图像进行内容提取，得到所述目标图像的内容特征数据；

利用处理网络模型对所述目标图像的内容特征数据进行处理，得到所述目标图像的处理结果；

其中，所述解纠缠模型是利用属于不同域的两类训练图像训练得到的，且其中一类所述训练图像与所述目标图像属于同一域；所述处理网络模型是利用权利要求1至5任一项所述方法训练得到的。