心脏核磁共振图像中心室心肌分割模型训练方法、分割方法及装置制造方法及图纸

本发明专利技术提供一种心脏核磁共振图像中心室心肌分割模型训练方法、分割方法及装置，所述分割模型训练方法采用对比度受限自适应直方图均衡化和高斯模糊对心脏核磁共振影像进行预处理，能够有效提升训练样本的图像对比度，以提升识别和分割效果。同时，在分割模型训练过程中，通过迁移学习的方式，能够有效减少对于训练数据的依赖性，在缺乏训练数据的条件下提高识别准确性。进一步的，训练中采用结合交叉熵损失、Dice损失和边缘损失的混合损失函数，能够减少无关背景的影响，并关注边界轮廓特征，在保证模型训练过程稳定的情况下，解决数据类别不均衡的问题并使得训练结果更加精确，在一定程度上，减少了对训练数据数量的需求。求。求。

【技术实现步骤摘要】
心脏核磁共振图像中心室心肌分割模型训练方法、分割方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种心脏核磁共振图像中心室心肌分割模型训练方法、分割方法及装置。

技术介绍

[0002]深度学习于近几年在计算机视觉的各子领域内取得了突破性的发展。其通过模拟人类大脑区域的神经元，来学习人类视觉系统处理外来信息，自动提取图像的多级特征并将图像映射到高级抽象特征空间中，以实现指定的任务。由于其出色的图像特征提取能力，在医学影像分割领域也有了大量相关研究。本质上来说，医学影像诊断是一个计算机视觉的问题，但是由于医学影像处理过程中的特殊条件和医疗分析的特殊需求，即使成熟的计算机视觉技术照搬过来也会遇到很多问题。
[0003]深度学习是一种数据驱动的算法模式，需要依赖大量的数据对模型进行预训练，但是在医疗场景下却存在严重缺乏的训练数据的问题。例如在心脏核磁共振图像中心室心肌分割问题中，医学影像中心室心肌的标注工作需要专业的医生操作，而一个专业医生的培养周期一般在十年以上。即使是专业的医生，受到他们经验和主观认识的不一致，常常在标注标准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心脏核磁共振图像中心室心肌分割模型训练方法，其特征在于，包括：获取多个心脏核磁共振影像，对各心脏核磁共振影像进行预处理，所述预处理包括对比度受限自适应直方图均衡化和高斯模糊；获取各心脏核磁共振影像中标注有心室心肌的轮廓作为标签，以及预处理后的各心脏核磁共振影像，构成训练样本集；获取预设神经网络模型，所述预设神经网络模型采用设定数量的源域样本数据进行预训练；采用所述训练样本集对所述预设神经网络模型进行训练，并采用交叉熵函数、Dice损失和边缘损失的混合损失函数对所述预设神经网络模型进行迭代更新，得到目标分割模型。2.根据权利要求1所述的心脏核磁共振图像中心室心肌分割模型训练方法，其特征在于，所述预设神经网络模型为U
‑
Net模型。3.根据权利要求2所述的心脏核磁共振图像中心室心肌分割模型训练方法，其特征在于，所述U
‑
Net模型的下采样路径包括连续的第一下采样层、第二下采样层、第三下采样层和第四下采样层；所述U
‑
Net模型的上采样路径包括连续的第一上采样层、第二上采样层、第三上采样层和第四上采样层；所述下采样路径和所述上采样路径之间由瓶颈层连接；所述第一下采样层跳跃连接所述第四上采样层，所述第二下采样层跳跃连接所述第三上采样层，所述第三下采样层跳跃连接所述第二上采样层，所述第四下采样层跳跃连接所述第一上采样层。4.根据权利要求3所述的心脏核磁共振图像中心室心肌分割模型训练方法，其特征在于，所述第一下采样层、所述第二下采样层、所述第三下采样层和所述第四下采样层均包含一个Dense Block和一个池化...

【专利技术属性】
技术研发人员：李书芳，张鹏皓，潘聚东，
申请(专利权)人：上海慧虎信息科技有限公司，
类型：发明
国别省市：