[发明专利]一种图像数据的生成方法及装置

说明书

本发明公开了一种图像数据的生成方法及装置，涉及图像处理技术领域，为解决现有技术中数据生成方法不能为人工智能医疗影像分析过程提供有效的训练数据样本的问题而发明。该方法主要包括：获取无病灶图像；按照预置病灶轮廓，生成预测病灶掩膜；将所述无病灶图像和所述预测病灶掩膜输入图像生成模型，生成预测病灶图像，其中，所述图像生成模型通过标记病灶训练图片训练生成。本发明主要应用于扩展图像数据的过程中。

技术领域

本发明涉及一种图像处理技术领域，特别是涉及一种图像数据的生成方法及装置。

背景技术

随着深度学习算法的不断提升与改进，在检测和识别病灶时可以通过人工智能医疗影像分析进行。人工智能医疗影像分析通常以数据驱动的监督式学习为主，该监督式学习采用基于各种特征的后验模型，该后验模型需要人工标注的大量数据进行训练。但是带疾病的阳性图像数据和人工标注都不易获取，造成人工智能医疗影像分析性能提升困难的问题。以脑出血数据为例，脑出血不是多发病，大部分头部CT影像为阴性，即使能收集到一定量的阳性数据，但标注脑出血数据区域会耗费医生大量时间。

针对训练数据和标注不足的问题，现有的技术一般采用数据扩增、数据叠加或数据生成来优化医疗影像分析的性能。数据扩增包含镜射、旋转、平移和形变等扩增方式，通过该方式产生的病灶多样性不足，不能有效提升人工智能医疗影像分析的性能。数据合成通过把病灶叠加到无病灶图像中，能利用海量的无病灶图像创造训练样本，但是该方式病灶被硬性叠加到另一张图像上，容易造成病灶周边区域不自认，产生与实际病灶图像中不存在的特征，误导网络学习。数据生成是通过对抗图像生成模型生成携带全新病灶的图像，但是对抗图像生成模型本省就需要大量数据才能稳定收敛，且生成的病灶带有随机性，可以出现在任意部位，与现实中人体发病部位分布不相符，不能为人工智能医疗影像分析提供有效的训练样本。

发明内容

有鉴于此，本发明提供一种图像数据的生成方法及装置，主要目的在于解决现有技术中数据生成方法不能为人工智能医疗影像分析过程提供有效的训练样本的问题。

依据本发明一个方面，提供了一种图像数据的生成方法，包括：

获取无病灶图像；

按照预置病灶轮廓，生成预测病灶掩膜；

将所述无病灶图像和所述预测病灶掩膜输入图像生成模型，生成预测病灶图像，其中，所述图像生成模型通过标记病灶训练图像训练生成。

依据本发明另一个方面，提供了一种图像数据的生成装置，包括：

获取模块，用于获取无病灶图像；

生成模块，用于按照预置病灶轮廓，生成预测病灶掩膜；

计算模块，用于将所述无病灶图像和所述预测病灶掩膜输入图像生成模型，生成预测病灶图像，其中，所述图像生成模型通过标记病灶训练图像训练生成。

根据本发明的又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一种可执行指令，所述可执行指令使处理器执行如上述图像数据的生成方法对应的操作。

根据本发明的再一方面，提供了一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一种可执行指令，所述可执行指令使所述处理器执行上述图像数据的生成方法对应的操作。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：