[发明专利]神经网络训练和图像处理方法及装置

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

将样本图像输入第一分割网络，获得所述样本图像的第一分割结果，所述第一分割结果包括多个类别的分割区域，所述第一分割结果用作所述样本图像的预测标注信息，所述样本图像包括已标注的第一样本图像和未标注的第二样本图像；

将所述样本图像输入第二分割网络，获得所述样本图像的第二分割结果，所述第二分割结果包括多个类别的分割区域；以及

至少根据所述第一分割结果和所述第二分割结果，训练所述第一分割网络和所述第二分割网络。

2.根据权利要求1所述的方法，其特征在于，至少根据所述第一分割结果和所述第二分割结果，训练所述第一分割网络和所述第二分割网络，包括：

基于所述样本图像的预测标注信息和所述第二分割结果，确定第一损失；

基于所述第一样本图像的标注信息和所述第二分割结果，确定第二损失；以及

根据所述第一损失和所述第二损失，训练所述第一分割网络和所述第二分割网络。

3.根据权利要求2所述的方法，其特征在于，根据所述第一损失和所述第二损失，训练所述第一分割网络和所述第二分割网络，包括：

对所述第一损失和所述第二损失进行加权求和处理，获得综合网络损失，其中，所述第一损失的权重与训练的迭代周期数正相关；以及

根据所述综合网络损失训练所述第一分割网络和所述第二分割网络。

4.根据权利要求3所述的方法，其特征在于，根据所述综合网络损失训练所述第一分割网络和所述第二分割网络，包括：

对所述综合网络损失进行梯度下降处理，更新所述第二分割网络的网络参数；以及

对所述综合网络损失进行梯度下降及移动平均处理，更新所述第一分割网络的网络参数。

5.根据权利要求2所述的方法，其特征在于，至少根据所述第一分割结果和所述第二分割结果，训练所述第一分割网络和所述第二分割网络，还包括：

基于所述第二样本图像的预测标注信息和所述第二样本图像的第二分割结果，确定第三损失；以及

根据所述第三损失，训练所述第一分割网络和所述第二分割网络。

6.根据权利要求2或5所述的方法，其特征在于，至少根据所述第一分割结果和所述第二分割结果，训练所述第一分割网络和所述第二分割网络，还包括：

基于所述第一样本图像的第一分割结果的多个类别的分割区域的特征，或所述第一样本图像的第二分割结果的多个类别的分割区域的特征，确定分类损失；以及

根据所述分类损失，训练所述第二分割网络。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述第一分割结果或所述第二分割结果，训练形状约束网络，所述形状约束网络用于约束所述分割区域的形状。

8.根据权利要求7所述的方法，其特征在于，根据所述第一分割结果或所述第二分割结果，训练所述形状约束网络，包括：

将所述第一分割结果或所述第二分割结果输入所述形状约束网络，获得样本分割结果；

基于所述第一样本图像的标注信息和所述样本分割结果，确定所述形状约束网络的第四损失；以及

根据所述第四损失，训练所述形状约束网络。

9.根据权利要求1所述的方法，其特征在于，所述样本图像包括医学图像，所述分割区域的类别包括左心腔区域、左心肌壁区域、右心室区域、左心房区域、右心房区域、主动脉区域、肺动脉区域中的至少一种。

10.一种图像处理方法，其特征在于，包括：

将待处理图像输入根据权利要求1-9中任一项所述的神经网络训练方法训练后的第一分割网络或第二分割网络，获得第三分割结果；

将所述第三分割结果输入训练后的形状约束网络，获得目标分割结果。