[发明专利]一种图像分割模型的准确度评价系统及方法

说明书

本发明提供一种图像分割模型的准确度评价系统及方法，包括：分别在预先获取的多个医学视频影像上标注出病灶区域得到多个标注视频影像并处理得到相应的真实病灶掩膜图像；将各标注视频影像分别输入预先迭代训练得到的多个图像分割模型中得到对应的预测病灶图像并处理得到相应的预测病灶掩膜图像；各图像分割模型分别对应不同的迭代训练次数；针对每个图像分割模型，分别计算各标注视频影像对应的各真实病灶掩膜图像与对应的预测病灶掩膜图像之间的像素重合度，并在像素重合度符合一重合度标准时输出表示对应的图像分割模型准确度达标的准确度评价结果。有益效果是能够更加科学的评价出图像分割模型的精度和假阳性，更能反映图像分割模型的效能。

技术领域

本发明涉及模型能效评价技术领域，尤其涉及一种图像分割模型的准确度评价系统及方法。

背景技术

在机器学习中，训练模型的目的是用训练好的模型帮助我们在后续的实践中做出准确的预测，所以我们希望模型能够在今后的实际使用中有很好的性能，对训练好的模型进行准确度评价能够直观反映模型的性能。

对于图像分割模型，现有常用的模型评价方法是利用训练好的图像分割模型对医学影像病灶识别，若图像分割模型认为影像中含有病灶，则认为影像病灶识别成功，最后根据正负样本识别成功的影像个数统计模型的识别准确度。该评价方法是图像分割模型将影像病灶识别出来并不考虑识别的位置是否病灶真正的位置，也有可能是与病灶类似的健康部位，或者是识别出的病灶并不完全和真实病灶相吻合，只要是图像分割模型识别出来有病灶就认为本张影像病灶识别正确，这样并不能科学的评价出图像分割模型的优劣。

发明内容

针对现有技术中存在的问题，本发明提供一种图像分割模型的准确度评价系统，包括：

预处理模块，用于分别在预先获取的多个医学视频影像上标注出病灶区域得到多个标注视频影像；

第一处理模块，连接所述预处理模块，用于分别对各所述标注视频影像进行处理得到相应的真实病灶掩膜图像；

第二处理模块，连接所述预处理模块，用于将各所述标注视频影像分别输入预先迭代训练得到的以所述医学视频影像为输入，以所述病灶区域为输出的多个图像分割模型中，得到所述标注视频影像中每帧标注影像对应的预测病灶图像，并对各所述预测病灶图像分别进行处理得到相应的预测病灶掩膜图像；

各所述图像分割模型分别对应不同的迭代训练次数；

模型评价模块，分别连接所述第一处理模块和所述第二处理模块，用于针对每个所述图像分割模型，分别计算各所述标注视频影像对应的各所述真实病灶掩膜图像与对应的所述预测病灶掩膜图像之间的像素重合度，并在所述像素重合度符合一重合度标准时输出表示对应的图像分割模型准确度达标的准确度评价结果。

优选的，所述模型评价模块包括：

第一评价单元，用于针对每个所述图像分割模型，分别计算各所述标注视频影像对应的各所述真实病灶掩膜图像与对应的所述预测病灶掩膜图像之间的像素重合度，并将各所述像素重合度加入一重合度集合；

第二评价单元，连接所述第一评价单元，用于对所述重合度集合中所有所述像素重合度进行处理得到一总重合度，并在所述总重合度满足所述重合度标准时输出表示对应的所述图像分割模型准确度达标的准确度评价结果。

优选的，所述第一评价单元包括：

第一处理子单元，用于针对所述标注视频影像中的每帧标注影像，分别计算对应的所述真实病灶掩膜图像与对应的所述预测病灶掩膜图像之间的单帧重合度；

第二处理子单元，用于连接所述第一处理子单元，用于根据所述单帧重合度以及所述标注视频影像的总帧数，处理得到所述标注视频影像对应的所述像素重合度，随后将所述像素重合度加入所述重合度集合。

优选的，所述像素重合度包括：