[发明专利]模型训练方法和装置、图像分割方法和装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

对医学图像序列样本集包含的P个病灶采样区域进行N次采样，得到N个组合样本，基于所述N个组合样本分别对初始网络模型进行训练，得到N次训练各自对应的损失结果和结节分割模型，其中，每个所述组合样本各自对应一个采样分配权重，每个所述组合样本包括S种病灶属性的病灶样本，所述采样分配权重为所述S种病灶属性各自对应的病灶样本的数量在所述组合样本包括的病灶样本总数量中的比例，P、N、S均为正整数；

基于所述N次训练各自对应的损失结果，确定所述N次训练各自对应的结节分割模型中的最优的结节分割模型，其中，所述N次训练各自对应的结节分割模型包括至少一个非过拟合的结节分割模型，所述最优的结节分割模型为所述至少一个非过拟合的结节分割模型各自对应的损失结果中最小的损失结果对应的非过拟合的结节分割模型。

2.根据权利要求1所述的模型训练方法，其特征在于，所述对医学图像序列样本集包含的P个病灶采样区域进行N次采样，得到N个组合样本，基于所述N个组合样本分别对初始网络模型进行训练，得到N次训练各自对应的损失结果和结节分割模型，包括：

基于医学图像序列样本集包含的P个病灶采样区域、第i个采样分配权重，采样得到第i个组合样本，其中，i∈[2,N]；

基于所述第i个组合样本，对初始网络模型进行第i次训练，确定所述第i次训练对应的损失结果和结节分割模型，其中，所述第i个采样分配权重基于第i-1次训练对应的损失结果、第i-1个采样分配权重和预设权重调整参数确定。

3.根据权利要求2所述的模型训练方法，其特征在于，所述基于医学图像序列样本集包含的P个病灶采样区域、第i个采样分配权重，采样得到第i个组合样本之前，还包括：

基于M次试训练，确定第1个采样分配权重和所述预设权重调整参数。

4.根据权利要求3所述的模型训练方法，其特征在于，所述基于M次试训练，确定第1个采样分配权重和预设权重调整参数，包括：

基于医学图像序列样本集对应的P个病灶采样区域、M个预设试采样分配权重，采样得到M个预设试采样分配权重各自对应的试组合样本，其中，每个所述试组合样本包括S种病灶属性的病灶样本，所述预设试采样分配权重为所述S种病灶属性各自对应的病灶样本的数量在所述试组合样本包括的病灶样本总数量中的比例，M为正整数；

基于所述M个预设试采样分配权重各自对应的试组合样本，分别对初始网络模型进行所述M次试训练，确定所述M次试训练各自对应的损失结果；

基于所述M次试训练各自对应的损失结果，确定第1个采样分配权重和预设权重调整参数。

5.根据权利要求2所述的模型训练方法，其特征在于，所述基于医学图像序列样本集包含的P个病灶采样区域、第i个采样分配权重，采样得到第i个组合样本，包括：

基于医学图像序列样本集包含的P个病灶采样区域、第i个采样分配权重、预设批次采样数量，确定Z批子组合样本，其中，所述第i个组合样本包括所述Z批组合样本；

其中，所述基于所述第i个组合样本，对初始网络模型进行第i次训练，确定所述第i次训练对应的损失结果和结节分割模型，包括：

针对所述Z批子组合样本中的每批子组合样本，

基于当前子组合样本，对初始网络模型或上一个批次训练得到的结节分割模型进行批次训练，确定所述当前子组合样本对应的子损失结果和结节分割模型；

基于所述Z批子组合样本各自对应的子损失结果和结节分割模型，确定所述第i次训练对应的损失结果和结节分割模型。

6.根据权利要求5所述的模型训练方法，其特征在于，所述基于医学图像序列样本集包含的P个病灶采样区域、第i个采样分配权重、预设批次采样数量，确定Z批子组合样本，包括：

基于医学图像序列样本集包含的P个病灶采样区域，确定所述P个病灶采样区域各自对应的初步采样网格；

基于医学图像序列样本集包含的P个病灶采样区域、第i个采样分配权重、所述P个病灶采样区域各自对应的初步采样网格、预设批次采样数量、每批的预设网格增强参数，确定Z批子组合样本。