[发明专利]图像检测模型的训练方法及相关装置、设备、存储介质

说明书

本申请公开了一种图像检测模型的训练方法及相关装置、设备、存储介质，其中，图像检测模型的训练方法包括：获取样本医学图像；其中，样本医学图像中标注有至少一个目标对象的实际区域；利用图像检测模型对样本医学图像进行检测，得到样本医学图像中目标对象的检测区域；分析同一目标对象的实际区域和检测区域的形态特征，得到对应目标对象的实际区域和检测区域之间的形态差异信息；利用形态差异信息，调整图像检测模型的网络参数。上述方案中图像检测模型可以具体用于检测医学图像中肝脏、心脏、肺等具有规则形状的组织、器官，且能够提高医学图像检测的准确性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像检测模型的训练方法及相关装置、设备、存储介质。

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。通过对医学图像中器官、血管等目标对象的检测识别，能够在诸如解剖结构研究、放射治疗规划等临床应用中为医护人员提供有力支撑。有鉴于此，如何提高医学图像检测的准确性成为极具研究价值的课题。

发明内容

本申请提供一种图像检测模型的训练方法及相关装置、设备、存储介质。

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，样本医学图像中标注有至少一个目标对象的实际区域；利用图像检测模型对样本医学图像进行检测，得到样本医学图像中目标对象的检测区域；分析同一目标对象的实际区域和检测区域的形态特征，得到对应目标对象的实际区域和检测区域之间的形态差异信息；利用形态差异信息，调整图像检测模型的网络参数。

因此，通过获取样本医学图像，且样本医学图像中标注有至少一个目标对象的实际区域，从而利用图像检测模型对样本医学图像进行检测，得到样本医学图像中目标对象的检测区域，并分析同一目标对象的实际区域和检测区域的形态特征，得到对应目标对象的实际区域和检测区域之间的形态差异信息，进而利用形态差异信息，调整图像检测模型的网络参数，故能够在训练图像检测模型的过程中，引入医学图像中目标对象的形态特征，通过目标对象的实际区域和检测区域之间的形态差异信息来约束图像检测模型学习，从而能够抑制不符合实际区域形态特征的检测结果，提高图像检测模型的准确性，进而能够有利于提高医学图像检测的准确性。

其中，形态特征包括以下至少一种：形状特征、预设维度空间特征、边缘曲率特征。

因此，将形态特征设置为包括形状特征、预设维度空间特征、边缘曲率特征中的至少一种，能够有利于从多种形态特征约束图像检测模型学习，有利于进一步提高图像检测模型的准确性。

其中，形态特征包括形状特征，分析同一目标对象的实际区域和检测区域的形态特征，得到对应目标对象的实际区域和检测区域之间的形态差异信息，包括：对若干样本医学图像中同一目标对象的实际区域进行融合，得到融合图像，其中，融合图像包括对应目标对象的融合区域；利用检测区域第一像素点的权值，对相应第一像素点属于目标对象的概率值进行加权处理，得到与形状特征相关的第一损失值；其中，第一像素点的权值和融合图像中与第一像素点匹配的第二像素点至融合区域边缘的距离为正相关关系。

因此，在形态特征包括形状特征的情况下，通过对若干样本医学图像中同一目标对象的实际区域进行融合，得到融合图像，且融合图像包括对应目标对象的融合区域，从而利用检测区域第一像素点的权值，对相应第一像素点属于目标对象的概率值进行加权处理，得到与形状特征相关的第一损失值，且第一像素点的权值和融合图像中与第一像素点匹配的第二像素点至融合区域边缘的距离为正相关关系，故能够有效抑制离融合区域边缘较远的异常像素点，有利于提高图像检测模型的准确性。