[發明專利]用于斑塊分割的模型訓練方法、裝置、設備及存儲介質

有效

• 申請號: 201811100334.0
• 申請日: 2018-09-20
• 公開（公告）號: CN109087708B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 鄭海榮;劉新;胡戰利;張娜;梁棟;楊永峰
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H30/20
• 代理公司: 深圳智趣知識產權代理事務所(普通合伙) 44486
• 代理人: 王策

1.一種用于斑塊分割的模型訓練方法，其特征在于，所述方法包括下述步驟：

獲取第一預設數量張血管壁的未分割斑塊圖像和所述未分割斑塊圖像對應的已分割斑塊圖像，所述未分割斑塊圖像和所述已分割斑塊圖像的數量相同；

將所述未分割斑塊圖像輸入到深度學習網絡模型進行分割訓練，根據所述未分割斑塊圖像的預設圖像特征對所述未分割斑塊圖像進行分割，以得到所述未分割斑塊圖像的第一分割結果，所述預設圖像特征為斑塊部分圖像的特征；其中，所述深度學習網絡模型包括U-Net網絡或V-Net網絡；

根據所述已分割斑塊圖像對所述第一分割結果進行微調，以得到所述未分割斑塊圖像的第二分割結果，計算所述第二分割結果與所述已分割斑塊圖像的相似度，根據所述相似度判斷是否繼續對分割訓練后的所述深度學習網絡模型進行微調迭代訓練；

輸出微調迭代訓練后的用于斑塊分割的所述深度學習網絡模型。

2.如權利要求1所述的方法，其特征在于，根據所述已分割斑塊圖像對所述第一分割結果進行微調的步驟，包括：

分別獲取所述第一分割結果和所述已分割斑塊圖像上分割邊界的第二預設數量個相同方位的方位坐標；

根據所述已分割斑塊圖像的方位坐標調整所述第一分割結果的方位坐標。

3.根據權利要求2所述的方法，其特征在于，所述方位坐標包括東、南、西、北、東南、西南、西北、東北；

和/或通過Dice系數來計算所述已分割斑塊圖像與所述第二分割結果的相似度。

4.如權利要求1所述的方法，其特征在于，所述預設圖像特征為所述未分割斑塊圖像中斑塊部分的像素密度特征；

和/或在預設深度學習網絡中進行提取預設特征時，在卷積得到的特征網絡中添加膨脹卷積得到的特征網絡。

5.如權利要求1所述的方法，其特征在于，獲取第一預設數量張血管壁的未分割斑塊圖

像和所述未分割斑塊圖像對應的已分割斑塊圖像的步驟之后，將所述未分割斑塊圖像輸入到深度學習網絡模型進行分割訓練的步驟之前，所述方法還包括：

對所述未分割斑塊圖像和所述已分割斑塊圖像進行圖像預處理操作，所述圖像預處理操作包括尺寸的歸一化操作。

6.一種用于斑塊分割的模型訓練裝置，其特征在于，所述裝置包括：

圖像獲取單元，用于獲取第一預設數量張血管壁的未分割斑塊圖像和所述未分割斑塊圖像對應的已分割斑塊圖像，所述未分割斑塊圖像和所述已分割斑塊圖像的數量相同；

分割訓練單元，用于將所述未分割斑塊圖像輸入到深度學習網絡模型進行分割訓練，根據所述未分割斑塊圖像的預設圖像特征對所述未分割斑塊圖像進行分割，以得到所述未分割斑塊圖像的第一分割結果，所述預設圖像特征為斑塊部分圖像的特征；其中，所述深度學習網絡模型包括U-Net網絡或V-Net網絡；

微調訓練單元，用于通過所述第一分割結果和所述已分割斑塊圖像對所述分割訓練后的深度學習網絡模型進行微調迭代訓練；以及

模型輸出單元，用于輸出微調迭代訓練后的用于斑塊分割的所述深度學習網絡模型；

其中，所述微調訓練調單元包括：

圖像微調單元，用于根據所述已分割斑塊圖像對所述第一分割結果進行微調，以得到所述未分割斑塊圖像的第二分割結果；以及

計算判斷單元，用于計算所述第二分割結果與所述已分割斑塊圖像的相似度，根據所述相似度判斷是否繼續對分割訓練后的所述深度學習網絡模型進行微調迭代訓練。

7.如權利要求6所述的裝置，其特征在于，所述圖像微調單元包括：

坐標獲取單元，用于分別獲取所述第一分割結果和所述已分割斑塊圖像上分割邊界的第二預設數量個相同方位的方位坐標；以及

坐標調整單元，用于根據所述已分割斑塊圖像的坐標調整所述第一分割結果的方位坐標。

8.如權利要求7所述的裝置，其特征在于，所述方位坐標包括東、南、西、北、東南、西南、西北、東北；

和/或通過Dice系數來計算所述已分割斑塊圖像與所述第二分割結果的相似度。