[發明專利]醫學圖像分割模型的生成方法及裝置、系統

在審

• 申請號: 202110264718.1
• 申請日: 2021-03-11
• 公開（公告）號: CN113159040A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 周琦超;陳朝才;張煒
• 申請（專利權）人: 福建自貿試驗區廈門片區Manteia數據科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/54;G06K9/62;G06N3/08;G06N20/00
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 董文倩

1.一種醫學圖像分割模型的生成方法，其特征在于，包括：

獲取訓練醫學圖像分割模型的數據集，其中，所述數據集包括：醫學圖像，以及所述醫學圖像對應的標簽；

將所述數據集輸入至神經網絡模型進行訓練，得到訓練完成的所述醫學圖像分割模型；

對訓練完成的所述醫學圖像分割模型的效果進行評估，依據評估結果生成目標醫學圖像分割模型；

將所述目標醫學圖像分割模型部署在醫學圖像處理平臺，以實現對待分割的醫學圖像進行分割處理。

2.根據權利要求1所述的方法，其特征在于，將所述數據集輸入至神經網絡模型進行訓練之前，所述方法還包括：

通過對所述標簽中的器官命名進行修正的方式對所述數據集進行清洗處理，得到清洗之后的數據集；

將所述清洗之后的數據集劃分為如下三部分數據：驗證數據、訓練數據以及測試數據，其中，所述訓練數據用于訓練所述醫學圖像分割模型，所述驗證數據用于在訓練過程中監測所述醫學圖像分割模型的訓練效果，所述測試數據用于評價訓練完成的所述醫學圖像分割模型。

3.根據權利要求2所述的方法，其特征在于，將所述清洗之后的數據集劃分之后，所述方法還包括：

對所述訓練數據進行標準化處理，得到標準化處理之后的訓練數據；

對所述標準化處理之后的訓練數據進行數據采樣，得到采樣數據；

對所述采樣數據進行數據增強處理，得到增強處理之后的訓練數據。

4.根據權利要求3所述的方法，其特征在于，對所述訓練數據進行標準化處理，包括：

將所述醫學圖像的方向矩陣歸一化為單位矩陣；

將所述醫學圖像的體素間距在X軸、Y軸和Z軸方向分別歸一化為預設長度；

對所述醫學圖像的像素值進行歸一化處理。

5.根據權利要求3所述的方法，其特征在于，對所述標準化處理之后的訓練數據進行數據采樣，包括：

基于均勻采樣法和標簽平衡采樣法對所述標準化處理之后的訓練數據進行數據采樣。

6.根據權利要求5所述的方法，其特征在于，基于均勻采樣法對所述標準化處理之后的訓練數據進行數據采樣，包括：

從所述標準化處理之后的訓練數據中隨機選擇一張醫學圖像；

在所述隨機選擇的醫學圖像中隨機截取多個大小相同的區域；

將隨機截取的所述多個大小相同的區域與其對應的標簽作為所述采樣數據。

7.根據權利要求5所述的方法，其特征在于，基于標簽平衡采樣法對所述標準化處理之后的訓練數據進行數據采樣，包括：

統計所述標準化處理之后的訓練數據中每張醫學圖像中各類標簽的分布比例；

依據所述分布比例進行標簽平衡采樣。

8.根據權利要求3所述的方法，其特征在于，對所述采樣數據進行數據增強處理，包括：

通過如下至少之一方法對所述采樣數據中的醫學圖像進行變換：翻轉、尺度縮放、旋轉、隨機噪聲、彈性形變。

9.根據權利要求3所述的方法，其特征在于，將所述數據集輸入至神經網絡模型進行訓練，包括：

確定所述神經網絡模型；

將所述增強處理之后的訓練數據輸入至所述神經網絡模型進行訓練；

在訓練過程中，利用學習率和損失函數對神經網絡模型的參數進行優化，其中，所述學習率用于控制所述神經網絡模型的參數的更新幅度。

10.根據權利要求1所述的方法，其特征在于，對訓練完成的所述醫學圖像分割模型的效果進行評估，包括：

利用模型預測輸出結果和金標準之間的Dice系數或者Hausdorff距離對訓練完成的所述醫學圖像分割模型的效果進行評估，其中，所述模型預測輸出結果是利用訓練完成的所述醫學圖像分割模型對待分割醫學圖像進行分割處理，得到的結果；所述金標準是對所述待分割醫學圖像進行分割處理的標準分割結果。