[發(fā)明專利]模型訓(xùn)練、醫(yī)學(xué)影像分割方法和裝置有效
| 申請?zhí)枺?/td> | 202010001039.0 | 申請日： | 2020-01-02 |
| 公開（公告）號： | CN111192269B | 公開（公告）日： | 2023-08-22 |
| 發(fā)明（設(shè)計）人： | 楊斌斌;魏東;馬鍇;鄭冶楓 | 申請（專利權(quán)）人： | 騰訊科技（深圳）有限公司 |
| 主分類號： | G06T7/10 | 分類號： | G06T7/10;G16H30/20 |
| 代理公司： | 華進聯(lián)合專利商標代理有限公司 44224 | 代理人： | 關(guān)志琨 |
| 地址： | 518000 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 模型 訓(xùn)練 醫(yī)學(xué)影像 分割 方法 裝置 | ||
1.一種用于醫(yī)學(xué)影像分割的模型訓(xùn)練方法，包括：
獲取已標注醫(yī)學(xué)影像；所述已標注醫(yī)學(xué)影像包括多個體素切塊；多個所述體素切塊標注有體素類別；多個所述體素切塊包括支撐集體素切塊和預(yù)測集體素切塊；所述支撐集體素切塊，為所述已標注醫(yī)學(xué)影像中的用于確定不同體素類別的類別原型向量的體素切塊；所述預(yù)測集體素切塊，為所述已標注醫(yī)學(xué)影像中除支撐集體素切塊之外的體素切塊；
將所述已標注醫(yī)學(xué)影像的體素切塊，輸入至特征提取模型，得到所述特征提取模型輸出的體素特征向量；
根據(jù)所述支撐集體素切塊的體素特征向量，得到與所述支撐集體素切塊的體素類別對應(yīng)的類別原型向量；
確定所述預(yù)測集體素切塊的體素特征向量與所述類別原型向量之間的向量距離；
根據(jù)所述向量距離對所述特征提取模型進行訓(xùn)練，得到訓(xùn)練后特征提取模型；所述訓(xùn)練后特征提取模型用于對待標注醫(yī)學(xué)影像進行影像分割。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述向量距離具有多個，所述根據(jù)所述向量距離對所述特征提取模型進行訓(xùn)練，得到訓(xùn)練后特征提取模型，包括：
根據(jù)多個所述向量距離的指數(shù)特征值，得到距離特征值總和；
根據(jù)多個所述向量距離的指數(shù)特征值分別與所述距離特征值總和的比值，得到所述預(yù)測集體素切塊的類別概率分布；所述類別概率分布包括多個候選體素類別及其對應(yīng)的實際預(yù)測概率；
根據(jù)所述類別概率分布訓(xùn)練所述特征提取模型，得到所述訓(xùn)練后特征提取模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述類別概率分布訓(xùn)練所述特征提取模型，得到所述訓(xùn)練后特征提取模型，包括：
確定所述預(yù)測集體素切塊的實際體素類別；
根據(jù)所述實際體素類別，確定所述類別概率分布中各個所述候選體素類別的期望預(yù)測概率；
根據(jù)各個所述候選體素類別的實際預(yù)測概率與所述期望預(yù)測概率，得到多個交叉熵損失值；
根據(jù)多個所述交叉熵損失值調(diào)整所述特征提取模型的模型參數(shù)，并返回至所述將所述已標注醫(yī)學(xué)影像的體素切塊，輸入至特征提取模型的步驟，直至所述特征提取模型收斂。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述支撐集體素切塊具有多個，所述根據(jù)所述支撐集體素切塊的體素特征向量，得到與所述支撐集體素切塊的體素類別對應(yīng)的類別原型向量，包括：
確定多個所述支撐集體素切塊的切塊數(shù)量；
統(tǒng)計多個所述支撐集體素切塊的體素特征向量的向量總和；
計算所述向量總和與所述切塊數(shù)量的比值，得到所述類別原型向量。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定所述預(yù)測集體素切塊的體素特征向量與所述類別原型向量之間的向量距離，包括：
確定所述預(yù)測集體素切塊的體素特征向量的第一特征空間坐標；
確定所述類別原型向量的第二特征空間坐標；
根據(jù)所述第一特征空間坐標與所述第二特征空間坐標之間的坐標距離，得到所述向量距離。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
獲取待標注醫(yī)學(xué)影像，并將所述待標注醫(yī)學(xué)影像的體素切塊，輸入至所述訓(xùn)練后特征提取模型，得到所述訓(xùn)練后特征提取模型輸出的待預(yù)測體素特征向量；
確定所述待預(yù)測體素特征向量與所述類別原型向量之間的向量距離；
根據(jù)所述待預(yù)測體素特征向量與所述類別原型向量之間的向量距離，確定目標類別原型向量；
將所述待標注醫(yī)學(xué)影像的體素切塊標注為所述目標類別原型向量對應(yīng)的體素類別，并對標注后的所述待標注醫(yī)學(xué)影像進行影像分割。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技（深圳）有限公司，未經(jīng)騰訊科技（深圳）有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010001039.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
