基于框标注训练的息肉分割模型建立方法及息肉分割方法
摘要文本
本发明公开了基于框标注训练的息肉分割模型建立方法及息肉分割方法，属于医学图像分割领域，包括：获得标注了息肉标注框的内窥镜图像集，并建立第一深度学习模型；将内窥镜图像集中的内窥镜图像作为输入，对第一深度学习模型进行训练，使第一深度学习模型通过反向传播进行优化，以最小化训练损失，训练结束后，将第一深度学习模型作为息肉分割模型；训练损失包括基于“屏蔽他盒”策略计算的投影损失、基于盒优化掩膜的自指导监督损失以及基于典型特征的自指导监督损失。本发明实现了投影损失在语义盒监督分割任务中的可用性，并借助教师模型提供了更为丰富的监督信息，有效提高了框监督下息肉分割的性能，解决了内窥镜息肉图像标注困难的问题。
申请人信息
- 申请人:华中科技大学; 常州联影智融医疗科技有限公司
- 申请人地址:430074 湖北省武汉市洪山区珞喻路1037号
- 发明人: 华中科技大学; 常州联影智融医疗科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于框标注训练的息肉分割模型建立方法及息肉分割方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311165596.6 |
| 申请日 | 2023/9/11 |
| 公告号 | CN117351199A |
| 公开日 | 2024/1/5 |
| IPC主分类号 | G06V10/26 |
| 权利人 | 华中科技大学; 常州联影智融医疗科技有限公司 |
| 发明人 | 王植炜; 李强; 胡强; 石洪宽; 张贻彤; 李婷 |
| 地址 | 湖北省武汉市洪山区珞喻路1037号; 江苏省常州市常州武进国家高新技术产业开发区龙帆路5号2号楼 |
专利主权项内容
1.一种基于框标注训练的息肉分割模型建立方法，其特征在于，包括：初始化步骤：获得标注了息肉标注框的内窥镜图像集，并建立第一深度学习模型，用于从内窥镜图像中分割出息肉，得到息肉掩膜；模型训练步骤：将所述内窥镜图像集中的内窥镜图像作为输入，对所述第一深度学习模型进行训练，使所述第一深度学习模型通过反向传播进行优化，以最小化训练损失，训练结束后，将第一深度学习模型作为息肉分割模型；所述训练损失包括基于屏蔽他盒策略计算的标注框与所述第一深度学习模型预测输出的息肉掩膜间的投影损失，所述息肉掩膜为被监督图像；基于屏蔽他盒策略计算投影损失的方式如下：将每一张内窥镜图像I的标注框转换为N个数据对；每个数据对包含一个标注框B及其他标注框所构成的集合N为标注框个数；i对于每一个数据对，获得标注框B与对应的单标注框图像b，并从被监督图像中屏蔽掉属于集合中标注框的像素，得到单实例图像；ii计算所有单标注框图像与对应单实例图像之间的投影损失；其中，单标注框图像b中，位于标注框B内的像素为1，位于标注框B外的像素为0。iii