用于斑块分割的模型训练方法、装置、设备及存储介质制造方法及图纸

本发明专利技术适用医疗技术领域，提供了一种用于斑块分割的模型训练方法、装置、设备及存储介质，该方法包括：获取第一预设数量张血管壁的未分割斑块图像和未分割斑块图像对应的已分割斑块图像，将未分割斑块图像输入到深度学习网络模型进行分割训练，以得到未分割斑块图像的第一分割结果，通过第一分割结果和已分割斑块图像对分割训练后的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深度学习网络模型，从而实现了血管壁上斑块分割的自动化以及提高了斑块分割的精确度，进而提高斑块分割效率。

【技术实现步骤摘要】
用于斑块分割的模型训练方法、装置、设备及存储介质
本专利技术属于医疗
，尤其涉及一种用于斑块分割的模型训练方法、装置、设备及存储介质。
技术介绍
脑卒中是我国死亡率和致残率最高的疾病，脑卒中包括出血性脑卒中和缺血性脑卒中两种，我国脑卒中以缺血性脑卒中为主，占全部脑卒中病例的79％，而且有增加趋势，类似的心血管疾病严重威胁着人类的生命健康，随着科技高速发展，对心血管疾病的早期定量诊断和风险评估对延长人类生命健康起着关键的作用。研究表明，动脉粥样硬化斑块破裂引发血栓形成是缺血性脑卒中的主要发病机制，因此，及时发现脑卒中相关血管床，包括颅内动脉、颈动脉和胸主动脉的易损斑块或其他管壁病变是缺血性脑卒中早期预防和精准治疗的关键。目前，在颈动脉和冠状动脉斑块的研究中，由于三维高分辨磁共振血管壁成像的数据量巨大，医生需要手动重建、配准、分割及标记的方式完成血管壁斑块的前期处理工作，每位检查者的图像可达到500幅，需要花费大量的时间才能完成一名检查者的诊断，而且，颅内动脉管径细小(1-2mm)、形态卷绕的特征，血管壁上斑块的图像分割标记过程较为繁琐。因此，采用磁共振对缺血性脑卒中相关血管床斑块本文档来自技高网...

【技术保护点】
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；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，以得到所述所述未分割斑块图像的第一分割结果；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；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。

【技术特征摘要】
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；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，以得到所述所述未分割斑块图像的第一分割结果；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；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，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的步骤，包括：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。3.如权利要求2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。4.如权利要求1所述的方法，其特征在于，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的步骤，包括：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。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...

【专利技术属性】
技术研发人员：郑海荣，刘新，胡战利，张娜，梁栋，杨永峰，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东,44