[发明专利]分割模型训练方法、装置及计算机可读存储介质

权利要求书

1.一种分割模型训练方法，其特征在于，所述方法包括：

采集多张心脏计算机断层扫面CT图像，获取各心脏CT图像已勾勒的心室位置信息；

将所述心脏CT图像输入到深度学习网络模型进行训练，得到所述深度学习网络模型输出的各所述心脏CT图像的第一分割结果；

基于强化学习方法，根据所述心室位置信息及所述第一分割结果对所述第一分割结果进行微调，得到各所述心脏CT图像的第二分割结果，包括：计算所述各心脏CT图像的心室位置信息与所述各心脏CT图像的第一分割结果之间的相似度，其中，相似度计算公式如下：

其中，D表示各心脏CT图像的第一分割结果构成的集合与各心脏CT图像的心室位置信息构成的集合之间的相似度，N表示心脏CT图像的张数，p_i表示第i张心脏CT图像的心室位置信息，g_i表示第i张心脏CT图像的第一分割结果；在所述相似度不等于预设值时，将所述相似度与上一次计算得到的相似度进行比较；当所述相似度小于上一次计算得到的相似度时，确定不对所述各心脏CT图像的第一分割结果进行微调，将深度学习网络中的奖励值减去一，并将所述各心脏CT图像的第一分割结果作为所述各心脏CT图像的第二分割结果；当所述相似度大于上一次计算得到的相似度时，对所述各心脏CT图像的第一分割结果进行微调，得到所述第二分割结果，包括：将所述各心脏的CT图像的心室位置信息中的各方位的坐标值与相应的所述第一分割结果的各方位的坐标值进行比较，得到比较结果；按照所述比较结果对相应的所述第一分割结果的各方位的坐标值进行调整，得到所述第二分割结果，调整包括：上移、下移、左移、右移、缩小、放大、保持不变中的至少一种；

根据所述第二分割结果及所述心室位置信息对所述深度学习网络模型进行迭代训练，将训练后的深度学习网络模型作为所述分割模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第二分割结果及所述心室位置信息对所述深度学习网络模型进行迭代训练，包括：

计算所述各心脏CT图像的第二分割结果与所述各心脏CT图像的心室位置信息之间的误差；

当最大误差大于或等于误差阈值时，将所述第二分割结果输入所述深度学习网络模型，以进行迭代训练，直至计算得到的最大误差小于所述误差阈值。