[發(fā)明專利]模型訓練方法、目標器官的分割方法及相關(guān)產(chǎn)品有效
| 申請?zhí)枺?/td> | 202310614584.0 | 申請日： | 2023-05-29 |
| 公開（公告）號： | CN116342986B | 公開（公告）日： | 2023-08-11 |
| 發(fā)明（設計）人： | 謝衛(wèi)國;黃炳頂;李昊玉;陳卓;李丹 | 申請（專利權(quán)）人： | 深圳惟德精準醫(yī)療科技有限公司 |
| 主分類號： | G06V10/778 | 分類號： | G06V10/778;G06V10/774;G06V10/80;G06T7/11;G06T7/33 |
| 代理公司： | 廣州三環(huán)專利商標代理有限公司 44202 | 代理人： | 張籍 |
| 地址： | 518000 廣東省深圳市坪山區(qū)坪山*** | 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 訓練 方法 目標 器官 分割 相關(guān) 產(chǎn)品 | ||
本申請公開了一種模型訓練方法、目標器官的分割方法及相關(guān)產(chǎn)品。該模型訓練方法包括：獲取待訓練模型；獲取訓練圖像集，所述訓練圖像集包括第一CT圖像和第二CT圖像，所述訓練圖像集的融合標簽通過將所述第一CT圖像的第一標簽和所述第二CT圖像的第二標簽進行融合得到，所述第一標簽和所述第二標簽均包括所述目標器官中的組織在CT圖像中的位置；通過使用所述待訓練模型對所述訓練圖像集中的所述目標器官的組織進行分割處理，得到所述目標器官的組織的第一三維分割結(jié)果；根據(jù)所述第一三維分割結(jié)果與融合標簽的差異，得到所述待訓練模型的損失，所述損失與所述差異呈正相關(guān)；根據(jù)所述損失更新所述待訓練模型的參數(shù)得到目標模型。
技術(shù)領(lǐng)域
本申請涉及醫(yī)療影像處理技術(shù)領(lǐng)域，尤其涉及一種模型訓練方法、目標器官的分割方法及相關(guān)產(chǎn)品。
背景技術(shù)
隨著深度學習技術(shù)的快速發(fā)展，深度學習技術(shù)的應用越來越廣，其中就包括通過深度學習技術(shù)對電子計算機斷層掃描（computed?tomography，CT）圖像中的目標器官的組織進行分割，以得到目標器官的組織的三維分割結(jié)果。
在目前的方法中，通常是先通過深度學習模型分別對不同時期的增強CT圖像中的目標器官的組織進行分割處理，得到各增強CT圖像的分割結(jié)果，其中，增強CT圖像為在對目標器官注射造影劑的情況下采集的包括目標器官的CT圖像，分割結(jié)果包括目標器官的組織在增強CT圖像中的位置。然后對不同時期的增強CT圖像的分割結(jié)果進行配準，并對配準后的分割結(jié)果進行三維重建，得到目標器官的組織的三維分割結(jié)果。
但在該方法中，由于一個深度學習模型只能對一個時期的增強CT圖像進行分割處理，對不同時期的增強CT圖像進行分割處理需要通過不同的深度學習模型實現(xiàn)，而且在基于深度學習模型得到增強CT圖像的分割結(jié)果后，還需基于各增強CT圖像的分割結(jié)果得到目標器官的組織的三維分割結(jié)果。因此，該方法的處理時間長、所消耗的計算資源多，而且所需維護的深度學習模型的數(shù)量多導致維護成本高。
發(fā)明內(nèi)容
本申請?zhí)峁┮环N模型訓練方法、目標器官的分割方法及相關(guān)產(chǎn)品，以訓練得到可直接對至少兩張不同時期的增強CT圖像進行分割處理，得到目標器官的組織的三維分割結(jié)果的深度學習模型。這樣，使用基于本申請?zhí)峁┑哪Ｐ陀柧毞椒ㄓ柧毜玫降纳疃葘W習模型，對不同時期的增強CT圖像進行分割處理，可直接得到目標器官的組織的三維分割結(jié)果，進而可減少處理時間、所消耗的計算資源，而且可降低模型維護成本。
第一方面，提供了一種模型訓練方法，所述方法包括：
獲取待訓練模型；
獲取訓練圖像集，所述訓練圖像集包括第一CT圖像和第二CT圖像，所述第一CT圖像為在第一時期對目標器官注射造影劑的情況下對目標器官進行CT掃描得到的CT圖像，所述第二CT圖像為在第二時期對目標器官注射造影劑的情況下對目標器官進行CT掃描得到的CT圖像，所述第一時期與所述第二時期不同；所述訓練圖像集的融合標簽通過將所述第一CT圖像的第一標簽和所述第二CT圖像的第二標簽進行融合得到，所述第一標簽和所述第二標簽均包括所述目標器官中的組織在CT圖像中的位置；
通過使用所述待訓練模型對所述訓練圖像集中的所述目標器官的組織進行分割處理，得到所述目標器官的組織的第一三維分割結(jié)果；
根據(jù)所述第一三維分割結(jié)果與所述融合標簽的差異，得到所述待訓練模型的損失，所述損失與所述差異呈正相關(guān)；
根據(jù)所述損失更新所述待訓練模型的參數(shù)得到目標模型。
結(jié)合本申請任一實施方式，所述獲取訓練圖像集，包括：
獲取所述第一CT圖像和所述第二CT圖像；
獲取融合優(yōu)先級，所述融合優(yōu)先級表征在對所述目標器官中的不同組織進行融合的情況下，所述目標器官中的組織被保留的優(yōu)先級；
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)利屬于深圳惟德精準醫(yī)療科技有限公司，未經(jīng)深圳惟德精準醫(yī)療科技有限公司許可，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/202310614584.0/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
