[发明专利]图像分割模型的训练方法、分割方法、装置、设备和介质

说明书

本说明书实施方式提供了一种图像分割模型的训练方法、分割方法、装置、设备和介质。所述图像分割模型包括编码器和分割解码器；所述方法包括：使用所述编码器提取无标注样本图像的图像特征；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。通过将第一掩码信息和第一重构图像与无标注图像之间的差异作为第二掩码信息计算图像分割模型的损失，从而更新图像分割模型，实现了在对训练样本进行少量标注的情况下，提升图像分割模型分割目标对象的准确性。

技术领域

本说明书实施方式涉及图像处理领域，具体涉及图像分割模型的训练方法、分割方法、装置、设备和介质。

背景技术

随着医学影像检查对于辅助医学诊疗的作用逐渐提升，医学影像的数据量也呈现出逐渐增长的态势。由于医生对于医学影像的读取诊断时间长、工作量大、易于疲劳、人工判读受经验的影响存在误差等情况，计算机辅助诊断系统大大减少了医生的工作量，提高了诊断的效率和准确性。现有的计算机辅助诊断方法主要是采用基于监督学习的深度模型对病灶区域进行分割，然而基于监督学习的深度学习模型需要医生对大量的训练样本进行标注，从而提升了医生的工作量，且由于医生经验不足，对训练样本的标注容易引入人工误差。

发明内容

有鉴于此，本说明书多个实施方式致力于提供一种图像分割模型的训练方法、分割方法、装置、设备和介质，以提供一种在对标注样本较少的情况下，可以在一定程度上提升图像分割模型准确性的方法。

本说明书一个实施方式提出了一种图像分割模型的训练方法，包括：使用所述编码器提取无标注样本图像的图像特征；其中，所述无标注样本图像对应有基础图像；其中，所述基础图像中不存在目标对象；将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；其中，所述第一掩码信息用于表示所述无标注样本图像中潜在的目标对象的第一预测区域；基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；其中，所述第二掩码信息用于表示所述无标注样本图像中潜在的目标对象的第二预测区域；根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。

本说明书一个实施方式提出了一种图像分割方法，包括：对初始图像进行预处理，得到目标图像；将所述目标图像输入图像分割模型的编码器中，提取所述目标图像的图像特征；将所述目标图像的图像特征输入所述图像分割模型的分割解码器中，得到所述目标图像中表示目标对象的像元；其中，所述图像分割模型使用如上述实施方式中任一所述的方法训练得到。

本说明书一个实施方式提出了一种图像分割模型的训练装置，所述训练装置包括编码器和分割解码器，所述训练装置包括：特征提取模块，用于使用所述编码器提取无标注样本图像的图像特征；其中，所述无标注样本图像对应有基础图像；其中，所述基础图像中不存在目标对象；第一掩码信息确定模块，用于将所述图像特征输入分割解码器，得到所述无标注样本图像的第一掩码信息；其中，所述第一掩码信息用于表示所述无标注样本图像中潜在的目标对象的第一预测区域；第二掩码信息确定模块，用于基于所述基础图像和所述无标注样本图像之间的差异确定第二掩码信息；其中，所述第二掩码信息用于表示所述无标注样本图像中潜在的目标对象的第二预测区域；图像分割模型更新模块，用于根据所述第一掩码信息和所述第二掩码信息确定的共同损失更新所述图像分割模型。

本说明书一个实施方式提出了一种图像分割装置，包括：预处理模块，用于对初始图像进行预处理，得到目标图像；特征提取模块，用于将所述目标图像输入图像分割模型的编码器中，提取所述目标图像的图像特征；图像分割模块，用于将所述目标图像的图像特征输入所述图像分割模型的分割解码器中，得到所述目标图像中表示目标对象的像元；其中，所述图像分割模型使用如上述实施方式中所述的方法训练得到。

本说明书一个实施方式提出了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述实施方式中所述的方法。