[發明專利]一種醫學圖像分割模型訓練方法、介質及電子設備

在審

• 申請號: 202010334466.0
• 申請日: 2020-04-24
• 公開（公告）號: CN111553894A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 張雯;房劬;趙夕
• 申請（專利權）人: 上海杏脈信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/62
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 徐秋平

本發明提供一種醫學圖像分割模型訓練方法、介質及電子設備。其中，所述醫學圖像分割模型訓練方法包括：獲取待分割的醫學圖像；采用AI醫學圖像分割模型對所述醫學圖像進行第一分割，獲得第一分割結果；根據接收到的分割指令對所述第一分割結果進行第二分割，獲得第二分割結果；所述第二分割結果用于對所述AI醫學圖像分割模型進行訓練；獲取所述第一分割結果和所述第二分割結果之間的差值，所述第一分割結果和所述第二分割結果之間的差值用于獲取所述AI醫學圖像分割模型的分割準確度，和/或用于確定所述第二分割的分割作業量。所述醫學圖像分割模型訓練方法能夠在實際應用中對所述AI醫學圖像分割模型進行再訓練。

技術領域

本發明屬于醫學圖像處理領域，涉及一種圖像分割模型訓練方法，特別是涉及一種醫學圖像分割模型訓練方法、介質及電子設備。

背景技術

圖像分割是圖像處理中的一項關鍵技術。作為圖像處理和分析的第一步，圖像分割的準確與否直接影響到特征提取、目標識別等后續操作的準確度。現有方案中，為了提升圖像分割的效率，業內普遍采用AI(Artificial Intelligence，人工智能)醫學圖像分割模型對醫學圖像進行分割，具體地，現有方案首先利用大量的圖像分割實例對AI醫學圖像分割模型進行訓練，待所述AI醫學圖像分割模型訓練好以后，將訓練好的AI醫學圖像分割模型應用到醫學圖像分割中。然而，在實際應用中發明人發現，受限于醫學圖像的復雜度和多樣性，當所述訓練好的AI醫學圖像應用到不同場景時其分割準確度可能不高，例如：對于通過腹部CT圖像訓練得到的AI醫學圖像分割模型，如果將其應用到冠脈CT圖像分割，其準確度可能不高，而現有方案無法根據實際應用場景對所述AI醫學圖像分割模型進行實時訓練。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種醫學圖像分割模型訓練方法、介質及電子設備，用于解決現有方案無法根據實際應用場景對所述AI醫學圖像分割模型進行實時訓練的問題。

為實現上述目的及其他相關目的，本發明的第一方面提供一種醫學圖像分割模型訓練方法。所述醫學圖像分割模型訓練方法包括：獲取待分割的醫學圖像；采用AI醫學圖像分割模型對所述醫學圖像進行第一分割，獲得第一分割結果；根據接收到的分割指令對所述第一分割結果進行第二分割，獲得第二分割結果；所述第二分割結果用于對所述AI醫學圖像分割模型進行訓練；獲取所述第一分割結果和所述第二分割結果之間的差值，所述第一分割結果和所述第二分割結果之間的差值用于獲取所述AI醫學圖像分割模型的分割準確度，和/或用于確定所述第二分割的分割作業量。

于所述第一方面的某些實施例中，所述醫學圖像分割模型訓練方法還包括：根據所述第二分割的分割作業量和費用系數獲取分割作業費用。

于所述第一方面的某些實施例中，獲取所述第一分割結果和所述第二分割結果之間的差值的一種實現方法包括：獲取所述第一分割結果和所述第二分割結果之間的像素差集；所述像素差集即為所述第一分割結果和所述第二分割結果之間的差值。

于所述第一方面的某些實施例中，獲取所述第一分割結果和所述第二分割結果之間的差值的一種實現方法包括：所述醫學圖像為3維醫學圖像；獲取所述第一分割結果和所述第二分割結果之間的體素差集；所述體素差集即為所述第一分割結果和所述第二分割結果之間的差值。

于所述第一方面的某些實施例中，獲取所述第一分割結果和所述第二分割結果之間的差值的一種實現方法包括：根據所述第一分割結果和所述第二分割結果獲得相應的差值區域；獲取所述差值區域的一個或多個幾何特征作為所述第一分割結果和所述第二分割結果之間的差值。

于所述第一方面的某些實施例中，所述差值區域的幾何特征包括所述差值區域的周長、體積或面積中的一種或多種。

于所述第一方面的某些實施例中，所述分割指令包括：畫筆指令、涂抹指令、擦除指令、單點追蹤指令和/或多點追蹤指令。