[发明专利]冠脉分割模型的样本评价方法及模型训练方法

说明书

本发明公开了一种冠脉分割模型的样本评价方法，包括S1、输入样本对3D冠脉分割模型进行训练，获得体预测数据；S2、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：S21、对样本切片进行标记；S22、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；S23、对各样本切片的评分取均值，获得样本的评分。同时，本发明还公开了两种冠脉分割模型的训练方法，即利用前述样本评分分别对冠脉分割模型单次训练或多次训练的样本进行评价，并根据样本的难易程度赋予不同的训练策略，从而获取更优的训练模型。

技术领域

本发明涉及冠脉图像分割领域，具体涉及一种冠脉分割模型的样本评价方法及模型训练方法。

背景技术

自动化冠脉重建对医生具有重要的临床价值和实际意义。由于，3D冠脉模型在训练时采用的损失函数为DiceLoss，该函数不能让分割学习到连通信息，而冠脉是个连续体，若该连续体的预测结果发生断裂，则其预测结果对后处理环节是非常不鲁棒的。

因此，需要对冠脉分割模型的训练结果进行评价，同时提出对应的模型训练方法，以提高预测结果的鲁棒性。

发明内容

本发明的目的在于提供一种冠脉分割模型的样本评价方法及模型训练方法。

为实现上述目的，本发明采用以下技术方案：

冠脉分割模型的样本评价方法，包括

S1、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；

S2、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：

S21、对样本切片进行标记；

S22、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；

S23、对各样本切片的评分取均值，获得样本的评分。

本发明还提供一种冠脉分割模型的训练方法，包括：

S1、利用如前述的冠脉分割模型的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；

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。

本发明还提供又一种冠脉分割模型的训练方法，包括：

S1、对每个样本进行多次不同条件的训练；

S2、利用如前述的冠脉分割模型的样本评价方法对每次训练到一定周期或训练完成的样本进行评分，使每个样本获得多项评分；

S3、对每个样本进行均值计算或投票，获得每个样本的综合评分；

S4、对各样本的按其综合评分进行分类，对不同类的样本采用不同的训练策略。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

1、本发明提出了一种新的评价冠脉分割模型训练的方法，其能对样本的难易进行量化的评价，从而直观地体现冠脉分割模型的优劣。

2、本发明利用得到的样本难易评价结果对训练过程进行优化，得到更优化的训练方案，从而使得结果更鲁棒。

附图说明

图1为样本评分原理示意图，图1左侧所示为标记样本的切片，右侧所示为预测结果。

具体实施方式