模型训练方法和装置、肝段分割方法和装置制造方法及图纸

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。鲁棒性和准确性。鲁棒性和准确性。

【技术实现步骤摘要】
模型训练方法和装置、肝段分割方法和装置


[0001]本申请涉及图像处理
，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。

技术介绍

[0002]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(Computed Tomography，CT)图像序列进行肝段分割，分割效果差。

技术实现思路

[0003]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。
[0004]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，肝段分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：确定训练数据集，其中，所述训练数据集包括肝脏样本图像数据、所述肝脏样本图像数据对应的肝段标注数据和静脉标注数据；基于所述训练数据集训练初始网络模型，得到肝段分割模型，其中，所述肝段分割模型用于对待分割肝脏图像数据进行肝段分割，以得到所述待分割肝脏图像数据对应的肝段分割结果。2.根据权利要求1所述的模型训练方法，其特征在于，所述基于所述训练数据集训练初始网络模型，得到肝段分割模型，包括：基于所述训练数据集，对所述初始网络模型进行至少一轮训练，得到所述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，所述总损失结果基于肝段损失结果和静脉损失结果确定，所述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所述肝段标注数据相比的损失，所述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所述静脉标注数据相比的损失；基于所述至少一轮训练各自对应的中间训练模型和总损失结果，确定所述肝段分割模型。3.根据权利要求2所述的模型训练方法，其特征在于，所述肝段损失结果对应有肝段损失权重，所述静脉损失结果对应有静脉损失权重，所述总损失结果基于所述肝段损失结果和所述肝段损失权重、所述静脉损失结果和所述静脉损失权重确定，其中，所述肝段损失权重大于所述静脉损失权重。4.根据权利要求2或3所述的模型训练方法，其特征在于，所述基于所述至少一轮训练各自对应的中间训练模型和总损失结果，确定所述肝段分割模型，包括：确定测试数据集，其中，所述测试数据集包括肝脏测试图像数据、所述肝脏测试图像数据对应的肝段标注数据；利用所述至少一轮训练各自对应的中间训练模型，基于所述肝脏测试图像数据，确定所述至少一轮训练各自对应的肝段分割测试结果；基于所述至少一轮训练各自对应的肝段分割测试结果和所述肝脏测试图像数据对应的肝段标注数据，确定所述肝段分割模型。5.根据权利要求1至3任一项所述的模型训练方法，其特征在于，所述静脉标注数据包括肝静脉和门静...

【专利技术属性】
技术研发人员：李铁成，余航，黄文豪，王少康，陈宽，
申请(专利权)人：推想医疗科技股份有限公司，
类型：发明
国别省市：