[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

本發明提供一種醫學圖像分割模型的訓練方法、介質及電子設備。所述方法包括：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。所述方法可以直接利用所述普通樣本和所述困難樣本完成對所述醫學圖像分割模型的訓練。

技術領域

本發明涉及一種訓練方法，特別是涉及一種醫學圖像分割模型的訓練方法、介質及電子設備。

背景技術

隨著人工智能技術的不斷發展，利用基于AI的醫學圖像分割模型對醫學圖像進行處理進而輔助醫生進行診斷已成為相關領域的慣用手段。醫學圖像分割模型在實際應用之前需要進行訓練以便獲取對醫學圖像進行處理的能力，然而，醫學圖像的尺寸往往都比較大，例如，肝臟CT圖像的尺寸通常為512×512。而在醫學圖像分割模型的訓練過程中，特別是在3D醫學圖像分割模型的訓練過程中，受到GPU顯存大小的限制，通常很難直接將醫學圖像按照原始大小直接輸入醫學圖像分割模型來對其進行訓練。因此，如何提供一種能夠適用于醫學圖像分割模型的訓練方法已成為相關領域技術人員亟需解決的技術問題之一。

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的訓練方法、介質及電子設備，用于解決現有技術中存在的上述問題。

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的訓練方法，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。

于所述第一方面的一實施例中，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。

于所述第一方面的一實施例中，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。

于所述第一方面的一實施例中，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。

于所述第一方面的一實施例中，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。

于所述第一方面的一實施例中，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。

于所述第一方面的一實施例中，所述訓練圖像的尺寸大于或等于512×512。