CN114782768B 预训练网络模型的训练方法、医学图像处理方法和设备 （中国科学院深圳先进技术研究院）

本申请提供一种预训练网络模型的训练方的视觉网络参数作为图像处理模型训练的待训2获取初始预训练网络模型以及多张预训练图像，所述对各个所述预训练图像进行单通道特征计算，得到各个所述预训练图根据各个所述预训练图像和各自对应的特征图像对所述初始预训练网络模型进行训其中，所述预训练网络模型的视觉网络参数能够作为图像处将各个所述掩盖图输入所述初始预训练网络模型，输出各个所述根据各个所述掩盖图对应的待比较图像和各自对应的特征图，利根据所述损失值确定所述初始预训练网络模型是否收敛；若是，则对每个所述预训练图像的每一所述分块进行单通道特征的相应的，所述对各个所述预训练图像进行掩模处理，生成各根据所述掩模对每个所述预训练图像进行掩模处理，生成各个5.根据权利要求1至4任一项所述的预训练网对各个所述预训练图像进行目标特征计算，得到各个所述预训练图像对应的特征图3获取待训练的初始图像处理模型，所述初始图像处理模型包括待根据多个二维医学图像以及各自对应的标注信息，对所述初始图像处理模型进行训获取待处理二维医学图像，并利用所述图像处理模型对待8.根据权利要求6所述的医学图像处理方法，其特征在于，所述图像处理包括目标识一个或多个应用程序，其中所述一个或多个应用程序被存储10.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程4[0004]本申请目的是提供一种预训练网络模型的训练方法、医5[0020]在一种可能的实现方式中，所述预训练图像为预训练二维医学图像和/或自然图[0029]将所述待处理二维医学图像输入所述图像处理模型的视觉网络，得到编码特征6[0047]在一种可能的实现方式中，所述预训练图像为预训练二维医学图像和/或自然图型是根据多张预训练图像以及各自对应的特[0053]图像处理模型获得模块，用于根据多个二维医学图像以7[0056]将所述待处理二维医学图像输入所述图像处理模型的视觉网络，得到编码特征8多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务9训练图像包括预训练二维医学图像；对多张预训练二维医学图像进行仿射变化和/弹性变[0096]通过上述技术方案可知，本申请实施例对多张预训练图方差损失函数进行计算，只计算掩盖部位的输出的特征与特征图像对应的部分的均方差，[0110]预设网格尺寸是根据预训练图像的尺寸设置的，具体地[0124]二维医学图像的类型以及对应的标注信息具体可以根据图像处理的任务确定。像处理模型的损失值，基于初始图像处理模型的损失值对初始图像处理模型进行迭代训MRI图像以及各自对应的目标标注信息；根据多个MRI图像以及各自对应的目标标注信息，pp[0156]按照此损失函数，执行反向传播操作，循环步骤视觉网络参数能够作为图像处理模型训练的待训练视觉网络的预训练网络模型的训练装置与上文描述的预训练网络模型的训练方法可相互对应参照，[0165]预训练模块630，用于根据各个预训练图像和各自对应的特征图像对初始预训练[0169]预训练网络模型获取单元，用于根据损失值确定初始预训练[0181]图像处理模型获得模块730，用于根据多个二维医学图像以及各自对应的标注信[0183]在一种可能的实现方式中，图像处理模块740在执行利用图像处理模型对待处理(DigitalSignalProcessor，数据信号处理器)，ASIC(ApplicationSpecific(PeripheralComponentInterconnect，外设部件互连标准)总线或EISA(Extended息和指令的其他类型的动态存储设备，也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory，电可擦可编程只读存储器)、CD-ROM(CompactDisc[0192]存储器803用于存储执行本申请方案的应用程序代码，并由处理器801来控制执步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或