[发明专利]分割模型训练方法及装置

说明书

本发明提供了一种分割模型训练方法及装置，涉及医学图像处理技术领域，该分割模型用于根据脏器图像确定脏器区域，该方法包括：对多个样本图像进行处理，得到第一标准训练图像数据集；对与所述多个样本图像中第一预定数目的样本图像对应的脏器进行测量，得到第二标准训练图像数据集；根据第一标准训练图像数据集和第二标准训练图像数据集，对预设的卷积神经网络进行训练，得到分割模型。在模型训练中，通过对原始多个样本图像中的一部分样本图像对应的脏器进行测量，根据测量结果对原始训练图像数据集进行扩充，增加了高精度的训练数据量，提高了训练集数据的准确性，从而提高了经训练的卷积神经网络进行脏器分割的精度。

技术领域

本发明涉及医学图像处理技术领域，具体涉及一种分割模型训练方法及装置。

背景技术

常染色体显性多囊肾病(Autosomal Dominant Polycystic Kidney Disease，ADPKD)是一种常见的遗传性肾病。随着病程的发展，患者双侧肾脏的囊肿不断增加，替代了其它正常的肾区组织，最终导致终末期肾病。在全世界范围内，ADPKD已经成为了形成终末期肾衰的第四大诱因。

肾小球滤过率(Glomerular Filtration Rate，GFR)是评价肾功能的一个传统指标。但是，在ADPKD早期，功能异常的肾小球占少数，其带来的功能损失会由正常的肾小球代偿，GFR不会发生显著变化。当正常的肾小球不堪重负而引起GFR的显著改变时，病情已经相对严重。因此，无法使用GFR进行早期诊断和预后评估。研究者们发现可以利用全肾体积(Total Kidney Volume，TKV)这一指标进行早期诊断和预后评估。

随着MRI(Magnetic Resonance Imaging，磁共振成像)、CT(ComputedTomography，计算机断层扫描)等医学影像技术的发展，可以非侵入式地逐层获取高分辨率的肾区图像，通过病理专家对肾区图像进行手动分割，以分割出肾脏区域，从而可以计算出TKV。

然而，通过病理专家逐层手动分割出肾脏区域的方式严重依赖于个人经验，针对同一肾区图像，不同专家的分割结果甚至同一专家在不同时间做出的分割结果都不尽相同，因此，肾区图像分割的效率、精度和重复性都难以保证。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种分割模型训练方法及装置，以解决现有技术中对脏器分割效率、精度和重复性低的问题。

为实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种分割模型训练方法，该分割模型用于根据脏器图像确定脏器区域，该方法包括：

对多个样本图像进行处理，得到第一标准训练图像数据集，所述多个样本图像为同种类型的脏器对应的图像；

对与所述多个样本图像中第一预定数目的样本图像对应的脏器进行测量，得到第二标准训练图像数据集；

根据第一标准训练图像数据集和第二标准训练图像数据集，对预设的卷积神经网络进行训练，得到所述分割模型。

可选地，所述对多个样本图像进行处理，得到第一标准训练图像数据集，包括：

对所述多个样本图像进行分割处理，确定样本图像中的脏器区域，得到多个处理后的样本图像；

根据所述多个处理后的样本图像，建立第一标准训练图像数据集。

可选地，所述对所述多个样本图像进行分割处理，确定样本图像中的脏器区域，得到多个处理后的样本图像，包括：

对于所述多个样本图像中的每个样本图像，对该样本图像进行第二预定数目的分割处理，得到第二预定数目的初始处理图像，第二预定数目为大于或等于3；