图像分割模型优化系统和方法技术方案

本申请涉及一种图像分割模型优化系统和方法。所述方法包括：接收前端发起的模型优化指令，通过本地的医院客户端获取前列腺样本数据，并获取医院客户端的本地图像分割模型；通过前列腺样本数据，对医院客户端的本地图像分割模型进行训练，得到本地优化模型；获取本地优化模型的模型梯度参数，根据前列腺样本数据的医学影像类别确定模型梯度参数对应的目标模型类别，将模型梯度参数和目标模型类别通过前端传输至中心服务器；获取从中心服务器下载得到的目标全局模型，根据目标全局模型对本地图像分割模型进行更新。采用本方法能够在保证医疗信息安全性的同时提高对多个客户端中的前列腺图像分割模型的优化效率。前列腺图像分割模型的优化效率。前列腺图像分割模型的优化效率。

【技术实现步骤摘要】
图像分割模型优化系统和方法


[0001]本申请涉及大数据
，特别是涉及一种图像分割模型优化系统、方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着社会信息化和网络化的迅速发展，数据呈爆炸式增长。很多企业或机构通常需要使用大量的数据优化各自的业务功能，由于企业或机构通常业务功能较为单一，获取到的数据也较为片面，因此需要结合其他方的数据共同对自身的业务功能进行优化。然而，每个企业或机构的数据通常都会包含一些个人隐私、商业机密等较为敏感的信息，为了保证数据安全，不能随意的将数据进行公开。
[0003]在前列腺活检治疗领域，基于磁共振的前列腺图像分割是一个热门的探究主题，目前已存在多种图像分析方法：如基于边界特征学习算法，基于模型的分割算法，基于深度卷积神经网络模型算法等等。这些算法依靠样本支撑，在经过训练后可以实现较准确的前列腺组织轮廓勾勒效果。尽管前列腺图像分割算法在实际应用前已进行了大量训练，但临床面对各种不同形状状态的前列腺，图像分割结果往往需要医生进一步微调，这表明图像分割算法存在提升空间；每台手术产生的数据都是极佳的样本，但出对于患者隐私的保护，各家医院并不能自由使用手术产生的数据，这导致收集数据后统一进行模型调优的方法无法实现；部署在多家医院的模型，彼此之间存在数据孤岛现象，这同样是隐私限制导致的，在这种情况下，对图像分割算法的训练效果始终不够理想。
[0004]目前前列腺图像分割模型的训练优化效率较低。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够保证医疗信息安全性的同时提高对多个客户端中的前列腺图像分割模型的优化效率的图像分割模型优化系统、方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种图像分割模型优化系统。所述系统包括中心服务器、前端和至少一个配置于医院客户端的后端，前端用于和中心服务器以及任意一个后端通信。
[0007]前端，用于向多个后端中的任意一个目标后端发起模型优化指令；
[0008]目标后端，用于接收前端发起的模型优化指令，通过本地的医院客户端获取前列腺样本数据，并获取医院客户端的本地图像分割模型；
[0009]目标后端还用于通过前列腺样本数据，对医院客户端的本地图像分割模型进行训练，得到本地优化模型；
[0010]目标后端还用于获取本地优化模型的模型梯度参数，根据前列腺样本数据的医学影像类别确定模型梯度参数对应的目标模型类别，将模型梯度参数和目标模型类别上传至前端；
[0011]前端还用于将模型梯度参数和目标模型类别传输至中心服务器；
[0012]中心服务器，用于根据目标模型类别从多个全局模型中确定与目标模型类别匹配的目标全局模型，根据模型梯度参数更新目标全局模型；
[0013]前端还用于从中心服务器下载得到更新后的目标全局模型；
[0014]目标后端还用于从前端获取目标全局模型，根据目标全局模型对本地图像分割模型进行更新，得到新的本地图像分割模型。
[0015]在其中一个实施例中，目标后端还用于从医院客户端获取至少一张前列腺样本图像；确定前列腺样本图像中前列腺对应的目标区域，并基于目标区域获取携带前列腺分割标签的前列腺分割图像，前列腺分割标签用于在前列腺分割图像中确定出前列腺的轮廓；确定前列腺样本图像对应的体积信息和形状信息，体积信息用于表征前列腺样本图像所属对象的前列腺体积特征，形状信息用于表征前列腺样本图像所属对象的前列腺形状特征；基于前列腺样本图像、体积信息、形状信息和前列腺分割图像得到一个训练样本，基于多个训练样本得到前列腺样本数据。
[0016]在其中一个实施例中，目标后端还用于根据预设超参数和预设随机数生成近似超参数；预设超参数是通过前端从中心服务器获取得到；根据前列腺样本数据和近似超参数对本地图像分割模型进行至少一次训练，得到训练过程模型；根据前列腺验证数据对训练过程模型进行测试，若测试结果满足预设条件，将训练过程模型作为本地优化模型，前列腺样本数据基于多个训练样本得到。
[0017]在其中一个实施例中，中心服务器还用于将各后端上传的模型梯度参数进行模型精度对比，得到模型精度最高的目标模型梯度参数，根据目标模型梯度参数对应的目标近似超参数确定新的预设超参数；将新的预设超参数下发至前端；
[0018]目标后端还用于通过前端接收新的预设超参数。
[0019]在其中一个实施例中，中心服务器还用于根据模型优化指令对应的医院客户端生成公钥信息和私钥信息，将公钥信息下发至前端；
[0020]目标后端还用于接收前端传输的公钥信息；根据公钥信息对模型梯度参数和目标模型类别进行加密处理，得到加密数据；将加密数据上传至前端；
[0021]前端还用于将加密数据传输至中心服务器；
[0022]中心服务器还用于根据私钥信息对加密数据进行解密处理，得到模型梯度参数和目标模型类别。
[0023]在其中一个实施例中，中心服务器还用于按照更新周期，对各后端上传的目标模型类别对应的模型梯度参数进行模型聚合得到最新目标全局模型，根据最新目标全局模型生成更新提示信息，向前端下发更新提示信息，以指示前端将更新提示信息下发至目标后端；
[0024]目标后端还用于通过前端接收中心服务器下发的更新提示信息；根据更新提示信息，通过前端从中心服务器下载最新目标全局模型。
[0025]在其中一个实施例中，目标后端还用于将目标全局模型替换医院客户端中的本地图像分割模型，作为新的本地图像分割模型存储到医院客户端。
[0026]第二方面，本申请还提供了一种图像分割模型优化方法，应用于图像分割模型优化系统中任意一个配置于医院客户端的后端，模型优化系统包括中心服务器、前端和至少
一个后端，前端用于和中心服务器以及任意一个后端通信。所述方法包括：
[0027]接收前端发起的模型优化指令，通过本地的医院客户端获取前列腺样本数据，并获取医院客户端的本地图像分割模型；
[0028]通过前列腺样本数据，对医院客户端的本地图像分割模型进行训练，得到本地优化模型；
[0029]获取本地优化模型的模型梯度参数，根据前列腺样本数据的医学影像类别确定模型梯度参数对应的目标模型类别，将模型梯度参数和目标模型类别上传至前端，以使得前端将模型梯度参数和目标模型类别传输至中心服务器；模型梯度参数用于指示中心服务器更新目标全局模型，目标模型类别用于指示中心服务器从多个全局模型中确定与目标模型类别匹配的目标全局模型；
[0030]获取从中心服务器下载得到的目标全局模型，根据目标全局模型对本地图像分割模型进行更新，得到新的本地图像分割模型。
[0031]在其中一个实施例中，通过本地的医院客户端获取前列腺样本数据，包括：
[0032]从医院客户端获取至少一张前列腺样本图像；
[0033]确定前列腺样本图像中前列腺对应的目标区域，并基于目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割模型优化系统，其特征在于，所述系统包括中心服务器、前端和至少一个配置于医院客户端的后端，所述前端用于和所述中心服务器以及任意一个后端通信；所述前端，用于向多个后端中的任意一个目标后端发起模型优化指令；所述目标后端，用于接收所述前端发起的模型优化指令，获取所述医院客户端的本地优化模型；所述前端还用于获取所述目标后端的所述本地优化模型的模型梯度参数，根据所述医学影像样本数据的医学影像类别确定所述模型梯度参数对应的目标模型类别，将所述模型梯度参数和所述目标模型类别传输至所述中心服务器；所述中心服务器，用于根据所述目标模型类别从多个全局模型中确定与所述目标模型类别匹配的目标全局模型，根据所述模型梯度参数更新所述目标全局模型；所述前端还用于从所述中心服务器下载得到更新后的所述目标全局模型，将更新后的所述目标全局模型传输至所述目标后端；所述目标后端还用于根据更新后的所述目标全局模型对所述医院客户端的本地图像分割模型进行更新，得到新的本地图像分割模型。2.根据权利要求1所述的系统，其特征在于，所述目标后端还用于接收所述前端发起的模型优化指令，通过本地的医院客户端获取医学影像样本数据，并获取所述医院客户端的所述本地图像分割模型；所述目标后端还用于通过所述医学影像样本数据，对所述本地图像分割模型进行训练，得到所述本地优化模型。3.根据权利要求1所述的系统，其特征在于，所述目标后端还用于从所述医院客户端获取至少一张医学样本图像；确定所述医学样本图像中的目标区域，并基于所述目标区域获取携带目标区域分割标签的目标区域分割图像，所述目标区域分割标签用于在所述目标区域分割图像中确定出所述目标区域的轮廓；确定所述医学样本图像对应的体积信息和形状信息，所述体积信息用于表征所述医学样本图像所属对象的所述目标区域体积特征，所述形状信息用于表征所述医学样本图像所属对象的所述目标区域形状特征；基于所述医学样本图像、所述体积信息、所述形状信息和所述目标区域分割图像得到一个训练样本，基于多个训练样本得到所述医学影像样本数据。4.根据权利要求3所述的系统，其特征在于，所述目标后端还用于根据预设超参数和预设随机数生成近似超参数；所述预设超参数是通过所述前端从所述中心服务器获取得到；根据所述医学影像样本数据和所述近似超参数对所述本地图像分割模型进行至少一次训练，得到训练过程模型；根据医学影像验证数据对所述训练过程模型进行测试，若测试结果满足预设条件，将所述训练过程模型作为所述本地优化模型，所述医学影像样本数据基于多个训练样本得到。5.根据权利要求1所述的系统，其特征在于，所述中心服务器还用于根据所述模型优化指令对应的医院客户端生成公钥信息和私钥信息，将所述公钥信息下发至所述前端；所述目标后端还用于接收所述前端传输的所述公钥信息；根据所述公钥信息对所述模型梯度参数和所述目标模型类别进行加密处理，得到加密数据；将所述加密数据上传至所述前端；所述前端还用于将所述加密数据传输至所述中心服务器；
所述中心服务器还用于根据所述私钥信息对所述加密数据进行解密处理，得到所述模型梯度参数和所述目标模型类别。6.根据权利要求1所述的系统，其特征在于，所述中心服务器还用于将各后端上传的模型梯度参数进行模型精度对比，得到模型精度最高的目标模型梯度参数，根据所述目标模型梯度参数对应的目标近似超参数确定新的预设超参数；将所述新的预设超参数下发至所述前端；所述目标后端还用于通过所述前端接收所述新的预设超参数。7.根据权利要求1所述的系统，其特征在于，所述中心服务器还用于按照更新周期，对各后端上传的所述目标模型类别对应的模型梯度参数进行模型聚合得到最新目标全局模型；所述中心服务器还用于将所述最新目标全局模型和所述目标全局模型进行模型精度对比，在所述最新目标全局模型的模型精度大于所述目标全局模型的模型精度的情况下，根据所述最新目标全局模型生成更新提示信息，向所述前端下发所述更新提示信息，以指示所述前端将所述更新提示信息下发至所...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：上海介航机器人有限公司，
类型：发明
国别省市：