[发明专利]用于斑块分割的模型训练方法、装置、设备及存储介质

权利要求书

1.一种用于斑块分割的模型训练方法，其特征在于，所述方法包括下述步骤：

获取第一预设数量张血管壁的未分割斑块图像和所述未分割斑块图像对应的已分割斑块图像，所述未分割斑块图像和所述已分割斑块图像的数量相同；

将所述未分割斑块图像输入到深度学习网络模型进行分割训练，根据所述未分割斑块图像的预设图像特征对所述未分割斑块图像进行分割，以得到所述未分割斑块图像的第一分割结果，所述预设图像特征为斑块部分图像的特征；其中，所述深度学习网络模型包括U-Net网络或V-Net网络；

根据所述已分割斑块图像对所述第一分割结果进行微调，以得到所述未分割斑块图像的第二分割结果，计算所述第二分割结果与所述已分割斑块图像的相似度，根据所述相似度判断是否继续对分割训练后的所述深度学习网络模型进行微调迭代训练；

输出微调迭代训练后的用于斑块分割的所述深度学习网络模型。

2.如权利要求1所述的方法，其特征在于，根据所述已分割斑块图像对所述第一分割结果进行微调的步骤，包括：

分别获取所述第一分割结果和所述已分割斑块图像上分割边界的第二预设数量个相同方位的方位坐标；

根据所述已分割斑块图像的方位坐标调整所述第一分割结果的方位坐标。

3.根据权利要求2所述的方法，其特征在于，所述方位坐标包括东、南、西、北、东南、西南、西北、东北；

和/或通过Dice系数来计算所述已分割斑块图像与所述第二分割结果的相似度。

4.如权利要求1所述的方法，其特征在于，所述预设图像特征为所述未分割斑块图像中斑块部分的像素密度特征；

和/或在预设深度学习网络中进行提取预设特征时，在卷积得到的特征网络中添加膨胀卷积得到的特征网络。

5.如权利要求1所述的方法，其特征在于，获取第一预设数量张血管壁的未分割斑块图

像和所述未分割斑块图像对应的已分割斑块图像的步骤之后，将所述未分割斑块图像输入到深度学习网络模型进行分割训练的步骤之前，所述方法还包括：

对所述未分割斑块图像和所述已分割斑块图像进行图像预处理操作，所述图像预处理操作包括尺寸的归一化操作。

6.一种用于斑块分割的模型训练装置，其特征在于，所述装置包括：

图像获取单元，用于获取第一预设数量张血管壁的未分割斑块图像和所述未分割斑块图像对应的已分割斑块图像，所述未分割斑块图像和所述已分割斑块图像的数量相同；

分割训练单元，用于将所述未分割斑块图像输入到深度学习网络模型进行分割训练，根据所述未分割斑块图像的预设图像特征对所述未分割斑块图像进行分割，以得到所述未分割斑块图像的第一分割结果，所述预设图像特征为斑块部分图像的特征；其中，所述深度学习网络模型包括U-Net网络或V-Net网络；

微调训练单元，用于通过所述第一分割结果和所述已分割斑块图像对所述分割训练后的深度学习网络模型进行微调迭代训练；以及

模型输出单元，用于输出微调迭代训练后的用于斑块分割的所述深度学习网络模型；

其中，所述微调训练调单元包括：

图像微调单元，用于根据所述已分割斑块图像对所述第一分割结果进行微调，以得到所述未分割斑块图像的第二分割结果；以及

计算判断单元，用于计算所述第二分割结果与所述已分割斑块图像的相似度，根据所述相似度判断是否继续对分割训练后的所述深度学习网络模型进行微调迭代训练。

7.如权利要求6所述的装置，其特征在于，所述图像微调单元包括：

坐标获取单元，用于分别获取所述第一分割结果和所述已分割斑块图像上分割边界的第二预设数量个相同方位的方位坐标；以及

坐标调整单元，用于根据所述已分割斑块图像的坐标调整所述第一分割结果的方位坐标。

8.如权利要求7所述的装置，其特征在于，所述方位坐标包括东、南、西、北、东南、西南、西北、东北；

和/或通过Dice系数来计算所述已分割斑块图像与所述第二分割结果的相似度。