[发明专利]分割模型训练方法、装置及计算机可读存储介质

说明书

本发明提供一种分割模型训练方法，装置及计算机可读存储介质，方法包括：将采集的心脏CT图像输入到深度学习网络模型进行训练，得到各心脏CT图像的第一分割结果，基于强化学习方法，根据心室位置信息及第一分割结果对该第一分割结果进行微调，得到第二分割结果，根据该第二分割结果及上述心室位置信息对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对心脏心肌进行分割的分割模型。通过将心脏CT图像及各心脏CT图像的心室位置信息作为训练数据对深度学习网络模型进行训练，使得能够得到可自动对心脏CT图像进行心室分割的分割模型，且进一步的通过结合强化学习方法进行微调及迭代训练，能够得到分割精度更高的分割模型。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种分割模型训练方法、装置及计算机可读存储介质。

背景技术

心血管疾病严重威胁着人类的生命健康，对心血管疾病的早期定量诊断和风险评估对延长人类生命健康起着关键的作用。随着科技高速发展，影像诊断设备的功能和成像质量有了很大提高。尤其是计算机断层扫面(Computed Tomography，CT)技术的高速发展不断影响人体疾病的诊断方式，逐步成为心脏检查的一种重要的诊断方式。心室区域是心脏核心区域，一直是心脏疾病研究的重点，借助于心脏CT图像对心脏组织尤其是左心室的研究，是非常有意义的。

左心室形态和运动的异常始终被视为心血管临床诊断的重要依据，为帮助脑血管疾病(Cerebrovascular Disease，CVD)的诊断，医生致力于确定左心室容积、心肌壁厚度，并测量在心动周期的心室血量(射血分数)和管壁增厚性质的变化，然而上述数据都依赖于左心室心肌的正确分割。目前，心室心肌的分割主要是专家手动分割，然而，手工分割对专家知识和经验要求很高，而且不可避免出现误差。因此，提供一种能够自动进行心室心肌分割的工具是目前亟待解决的问题。

发明内容

本发明的主要目的在于提供一种分割模型训练方法，旨在解决现有技术中缺少能够自动进行心室心肌分割的工具的技术问题。

为实现上述目的，本发明第一方面提供一种分割模型训练方法，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；

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。

为实现上述目的，本发明第二方面提供一种分割模型训练装置，所述装置包括：

采集获取模块，用于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；

训练模块，用于将所述心脏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；

微调模块，用于基于强化学习装置，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；

迭代模块，用于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。

为实现上述目的，本发明第三方面还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面所述的分割模型训练方法的各个步骤。