[发明专利]冠脉分割模型的样本评价方法及模型训练方法

权利要求书

1.冠脉分割模型的训练方法，其特征在于，包括：

S1、利用样本评价方法对当前训练周期的所有样本进行评价，得到每个样本的评分；所述步骤S1包括：

S101、输入样本对3D冠脉分割模型进行训练，获得冠脉分割的体预测数据；

S102、对样本及与其对应的体预测数据分别沿Z方向进行切片，对各切片进行评分计算：

S1021、对样本切片进行标记；

S1022、将样本切片标记结果与对应的体预测数据切片结果进行比较，获得样本切片的评分：若体预测数据切片在对应于样本切片的标记位置出现分割，则真阳数加1；若体预测数据切片在对应于样本切片的标记位置未出现分割，则假阴数加1；若体预测数据切片在非对应于样本切片的标记位置出现分割，则假阳数加1；则样本切片评分＝2TP(2TP+FP+FN)，式中，TP为真阳数，FP为假阳数，FN为假阴数；

S1023、对各样本切片的评分取均值，获得样本的评分；

S2、对各样本按评分进行分类，对不同类的样本采用不同的训练策略；所述步骤S2包括：201、样本分类步骤和202、训练策略步骤；

201、样本分类的步骤包括：

S2011、对各样本评分统计均值，将评分低于均值的样本评价为难样本，将评分大于等于均值的样本评价为容易样本；或者，

S2012、将样本按其评分的高低进行排布，按设定比例从中选取其中评分最低的样本，评价为难样本，其余样本评价为容易样本；或者，

S2013、根据样本评分确定，将样本评分大于等于预定阈值的样本评价为容易样本，将样本评分小于预定阈值的样本评价为难样本；

202、训练策略的步骤包括：

S2021、对于定义为容易样本的样本，其随机不参与各个训练周期的训练；对于定义为难样本的样本，其参与每次训练；或者，

S2022、对于定义为容易样本的样本，其每个训练周期训练一次；对于定义为难样本的样本，其每个训练周期随机增加训练次数。

2.根据权利要求1所述的训练方法，其特征在于，该训练策略的步骤还包括：S2023、对容易样本做平移处理；对难样本随机进行旋转、放缩以及平移。