[發明專利]醫學圖像分割模型的訓練方法、介質及電子設備

在審

• 申請號: 202210522739.3
• 申請日: 2022-05-13
• 公開（公告）號: CN114861802A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 卜佳俊;顧靜軍;吳磊;秦典;王志華
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06T7/10
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種醫學圖像分割模型的訓練方法，其特征在于，用于對一醫學圖像分割模型進行訓練，所述醫學圖像分割模型的訓練方法包括：

獲取多個訓練圖像；

對所述醫學圖像分割模型進行第一階段的訓練，其中，所述第一階段的訓練包括多輪訓練；

對所述醫學圖像分割模型進行第二階段的訓練，以完成對所述醫學圖像分割模型的訓練，其中，所述第二階段的訓練包括多輪訓練；

在所述第一階段的每輪訓練中，對所述醫學圖像分割模型進行訓練的方法包括：

根據所述訓練圖像獲取普通樣本，其中，所述普通樣本的尺寸小于所述訓練圖像的尺寸；

利用所述普通樣本對所述醫學圖像分割模型進行訓練；

在所述第二階段的每輪訓練中，對所述醫學圖像分割模型進行訓練的方法包括：

根據所述訓練圖像獲取普通樣本或者從困難樣本庫中獲取困難樣本，其中，所述普通樣本的尺寸與所述困難樣本相同；

根據所述普通樣本或所述困難樣本對所述醫學圖像分割模型進行訓練。

2.根據權利要求1所述醫學圖像分割模型的訓練方法，其特征在于，根據所述訓練圖像獲取普通樣本的實現方法包括：

從所述訓練圖像中隨機選取特定尺寸的區域作為所述普通樣本。

3.根據權利要求1所述醫學圖像分割模型的訓練方法，其特征在于，在所述第一階段的訓練完成以后，或者，在所述第二階段的每輪訓練完成以后，所述醫學圖像分割模型的訓練方法還包括：

初始化所述困難樣本庫；

利用所述醫學圖像分割模型對各所述訓練圖像進行處理，以得到各所述訓練圖像的預測結果；

根據各所述訓練圖像的預測結果及真實標注結果對所述困難樣本庫進行更新。

4.根據權利要求3所述醫學圖像分割模型的訓練方法，其特征在于，根據各所述訓練圖像的預測結果及真實標注結果對所述困難樣本庫進行更新的實現方法包括：

根據各所述訓練圖像的預測結果及真實標注結果，獲取各所述訓練圖像對應的預測效果；

對于預測效果較差的第一訓練圖像，獲取各所述第一訓練圖像對應的困難樣本并存入所述困難樣本庫。

5.根據權利要求4所述醫學圖像分割模型的訓練方法，其特征在于，獲取所述第一訓練圖像對應的困難樣本的實現方法包括：

根據所述第一訓練圖像的預測結果及真實標注結果，獲取所述第一訓練圖像的誤差圖；

對所述第一訓練圖像的誤差圖進行池化，并根據池化結果選取誤差最大的區域作為所述第一訓練圖像對應的困難樣本，在所述池化中所采用的池化核的尺寸與所述普通樣本的尺寸相同。

6.根據權利要求1所述醫學圖像分割模型的訓練方法，其特征在于，根據所述訓練圖像獲取普通樣本或者從困難樣本庫中獲取困難樣本的實現方法包括：

生成一隨機數；

當所述隨機數的數值滿足預設條件時，根據所述訓練圖像獲取所述普通樣本，否則，從所述困難樣本庫中獲取所述困難樣本。

7.根據權利要求1所述醫學圖像分割模型的訓練方法，其特征在于：所述訓練圖像的尺寸大于或等于512×512。

8.根據權利要求1所述醫學圖像分割模型的訓練方法，其特征在于：所述訓練圖像為肝臟CT圖像。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1-8任一項所述醫學圖像分割模型的訓練方法。

10.一種電子設備，其特征在于，所述電子設備包括：

存儲器，存儲有一計算機程序；

處理器，與所述存儲器通信相連，調用所述計算機程序時執行權利要求1-8任一項所醫學圖像分割模型的訓練方法。