【技术实现步骤摘要】
本申请涉及图像处理，特别涉及一种模型训练方法、肌肉核磁共振影像分割方法、装置及介质。
技术介绍
1、目前，在临床应用中，通常采用患者的mri影像图像进行患者的肌肉定量分析，通过itk-snap等图像后处理软件对图像进行阈值分割、手动勾画等，从而达到评估肌肉面积的目的。
2、然而，传统的肌肉分割方法需要有图像后处理经验人员手工参与，难以在临床大规模推广使用，同时不同的图像处理人员处理的图像也存在较大差异，导致其对肌少症等病症的评估结果极不稳定。
3、传统的肌肉自动分割方式多采用阈值限定或区域成长等方法，但其分割准确性往往不让人满意，肌肉分割效果受到图像质量，图像参数等因素的影响。其次，传统的图像分析技术仅仅获取了肌肉面积这一参数，但医学影像中包含的信息远远不止肌肉面积这一单一指标，肌肉密度、肌肉脂肪比值等身体成分指标在肌肉定量分析上同样有着较大的价值，因此，传统的图像分析技术会影响肌肉评估结果，降低肌肉定量分析的准确性和效率。
技术实现思路
1、为了解决至少一个上述相...
【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的模型训练方法，其特征在于，所述获取肌肉核磁共振影像样本数据集这一步骤，具体包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述对所述肌肉核磁共振影像样本数据集中的各目标影像样本数据进行图像预处理，获得对应的各目标影像样本处理数据，
4.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述训练数据集训练肌肉分割模型这一步骤，具体包括：
5.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述测试数据集对所述肌肉分割模型进...
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的模型训练方法，其特征在于，所述获取肌肉核磁共振影像样本数据集这一步骤，具体包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述对所述肌肉核磁共振影像样本数据集中的各目标影像样本数据进行图像预处理，获得对应的各目标影像样本处理数据，
4.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述训练数据集训练肌肉分割模型这一步骤，具体包括：
5.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述测试数据集对所述肌肉分割模型进行模型评估，确定是否继续训练所述肌肉分割模型这一步骤，具体包括：将所述测试数据集输入至所述肌肉分割模型，利用所述肌肉分割模型输出肌肉分割结果；
6.根据权利要求5所述的模型训练方法，其特征在于，所述根据若干个...
【专利技术属性】
技术研发人员：李嘉，周维杰，王泰伟，顾宇豪，党秦，
申请(专利权)人：南方医科大学南方医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。