医学图像分割模型的获取方法、系统、电子设备和介质技术方案

本发明专利技术提供了一种医学图像分割模型的获取方法、系统、血管医学图像的分割方法、电子设备和介质。医学图像分割模型获取方法包括：获取医学图像分割模型的第一训练样本，第一训练样本包括第一医学训练图像以及与所述第一医学训练图像对应的第一标签图像；获取第一医学训练图像中目标区域的形状约束信息；根据第一医学训练图像和目标区域的形状约束信息，对初始化后的第一神经网络模型进行训练，直至满足第一预设训练结束条件，得到所述医学图像分割模型。本发明专利技术能够提高医学图像的分割效率、分割精度以及分割结果的稳定性。割精度以及分割结果的稳定性。割精度以及分割结果的稳定性。

【技术实现步骤摘要】
医学图像分割模型的获取方法、系统、电子设备和介质


[0001]本专利技术涉及医学图像处理
，特别涉及一种医学图像分割模型的获取方法、系统、血管医学图像的分割方法、电子设备和介质。

技术介绍

[0002]脑血管疾病是全球死亡率最高的疾病，并且发病率和死亡率逐年上升，脑血管疾病严重威胁着人类的生命健康。有相关数据统计和研究发现，缺血性脑血管病在脑血管疾病中占据着很大的比例，而头颈部血管的动脉粥样硬化斑块是发生缺血性脑血管病的重要病因之一。对血管壁和血管壁斑块进行准确的分割，是进行后续狭窄分析，斑块分析的基础，是实现快速自动头颈动脉粥样硬化斑块检测的基础，同时也对动脉粥样硬化斑块的治疗有着指导意义。
[0003]目前相关研究主要集中于超声图像的颈动脉血管壁分割，但是由于超声图像本身的成像限制，能够提供的临床解剖信息有限。而磁共振血管壁序列相对而言在图像上能提供更多的临床解剖信息，在颈动脉动脉粥样硬化疾病的诊断上得到越来越多的关注，但是基于磁共振序列实现自动准确的头颈部血管壁分割和斑块分割的方案在现有公开的资料并不多见。现有技术中基于磁共本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学图像分割模型的获取方法，其特征在于，包括：获取医学图像分割模型的第一训练样本；所述第一训练样本包括第一医学训练图像以及与所述第一医学训练图像对应的第一标签图像；获取所述第一医学训练图像中目标区域的形状约束信息；根据所述第一医学训练图像和所述目标区域的形状约束信息，对初始化后的第一神经网络模型进行训练，直至满足第一预设训练结束条件，得到所述医学图像分割模型。2.根据权利要求1所述的医学图像分割模型的获取方法，其特征在于，所述获取所述第一医学训练图像中目标区域的形状约束信息，包括：采用预训练的第二神经网络模型，获取所述第一医学训练图像中目标区域的形状约束信息。3.根据权利要求2所述的医学图像分割模型的获取方法，其特征在于，所述第一神经网络模型包括StudentNet结构，所述第二神经网络模型包括TeacherNet结构；所述TeacherNet结构通过对所述StudentNet结构的预测结果的形状进行判断以实现形状约束信息的监督。4.根据权利要求3所述的医学图像分割模型的获取方法，其特征在于，还包括通过以下步骤训练得到所述第二神经网络模型：获取第二训练样本；其中，所述第二训练样本包括第二医学训练图像；设置第二神经网络模型的模型参数的初始值；以及根据所述第二训练样本和所述第二神经网络模型的模型参数的初始值对预先搭建的第二神经网络模型进行训练，直至满足第二预设训练结束条件。5.根据权利要求1所述的医学图像分割模型的获取方法，其特征在于，所述获取所述第一医学训练图像中目标区域的形状约束信息，包括：对所述第一医学训练图像进行图像变换，获取所述第一医学训练图像中目标区域的形状约束信息。6.一种医学图像分割模型获取系统，其特征在于，包括：医学训练图像获取单...

【专利技术属性】
技术研发人员：杨雄，毛玉妃，苏赛赛，李京东，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：