[发明专利]模型训练方法和装置、肝段分割方法和装置

说明书

本申请涉及图像处理技术领域，具体涉及一种模型训练方法和模型训练装置、肝段分割方法和肝段分割装置，以及计算机可读存储介质和电子设备，解决了现有模型对肝段分割的效果较差的问题。由于肝脏的肝静脉和门静脉等静脉与肝段的划分存在紧密的位置联系，因此，本申请实施例提供的模型训练方法，利用包括肝脏样本图像数据、肝脏样本图像数据对应的肝段标注数据和静脉标注数据的训练数据集，对初始网络模型进行训练，能够使初始网络模型在学习肝段分割的过程中参考到静脉的位置，从而提高训练得到的肝段分割模型的分割效果，以提高肝段分割的鲁棒性和准确性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种模型训练方法和模型训练装置、肝段分割方法和肝段分割装置，以及计算机可读存储介质和电子设备。

背景技术

肝脏是一种分段性器官。将肝脏分割成独立的段在临床医学中至关重要。例如，涉及肝脏肿瘤的分段可以单独切除而不损坏其余分段，从而可以尽可能多地保留肝脏功能。目前，常用的肝段分割方法是利用现有模型直接对肝脏部位的计算机断层扫描(ComputedTomography，CT)图像序列进行肝段分割，分割效果差。

发明内容

有鉴于此，本申请实施例提供了一种模型训练方法和模型训练装置、肝段分割方法和肝段分割装置，以及计算机可读存储介质和电子设备，解决了现有模型对肝段分割的效果较差的问题。

第一方面，本申请一实施例提供的一种模型训练方法，包括：确定训练数据集，其中，训练数据集包括肝脏样本图像数据、肝脏样本图像数据对应的肝段标注数据和静脉标注数据；基于训练数据集训练初始网络模型，得到肝段分割模型，其中，肝段分割模型用于对待分割肝脏图像数据进行肝段分割，以得到待分割肝脏图像数据对应的肝段分割结果。

结合本申请的第一方面，在一些实施例中，基于训练数据集训练初始网络模型，得到肝段分割模型，包括：基于训练数据集，对初始网络模型进行至少一轮训练，得到至少一轮训练各自对应的中间训练模型和总损失结果，其中，在每轮训练中，总损失结果基于肝段损失结果和静脉损失结果确定，肝段损失结果表征该轮训练中的中间训练模型输出的肝段分割结果与肝段标注数据相比的损失，静脉损失结果表征该轮训练中的中间训练模型输出的静脉分割结果与静脉标注数据相比的损失；基于至少一轮训练各自对应的中间训练模型和总损失结果，确定肝段分割模型。

结合本申请的第一方面，在一些实施例中，肝段损失结果对应有肝段损失权重，静脉损失结果对应有静脉损失权重，总损失结果基于肝段损失结果和肝段损失权重、静脉损失结果和静脉损失权重确定，其中，肝段损失权重大于静脉损失权重。

结合本申请的第一方面，在一些实施例中，基于至少一轮训练各自对应的中间训练模型和总损失结果，确定肝段分割模型，包括：确定测试数据集，其中，测试数据集包括肝脏测试图像数据、肝脏测试图像数据对应的肝段标注数据；利用至少一轮训练各自对应的中间训练模型，基于肝脏测试图像数据，确定至少一轮训练各自对应的肝段分割测试结果；基于至少一轮训练各自对应的肝段分割测试结果和肝脏测试图像数据对应的肝段标注数据，确定肝段分割模型。

结合本申请的第一方面，在一些实施例中，静脉标注数据包括肝静脉和门静脉标注数据。

结合本申请的第一方面，在一些实施例中，确定训练数据集，包括：确定原始肝脏样本图像数据对应的肝脏标注数据，肝脏标注数据包括标注出的肝脏最小外接框数据；基于肝脏最小外接框数据，剪裁原始肝脏样本图像数据、原始肝脏样本图像数据对应的原始肝段标注数据和原始静脉标注数据，得到肝脏样本图像数据、肝脏样本图像数据对应的肝段标注数据和静脉标注数据。

第二方面，本申请一实施例提供了一种肝段分割方法，包括：确定肝段分割模型，肝段分割模型基于第一方面提及的模型训练方法训练得到；利用肝段分割模型，对待分割肝脏图像数据进行肝段分割，得到待分割肝脏图像数据对应的肝段分割结果。