[发明专利]基于解剖学先验的分割算法评估的方法和装置

说明书

本发明提供一种基于解剖学先验的分割算法评估的方法和装置，该方法包括：根据主动形状模型算法、普氏分析法对各个分割目标区域的中心点坐标的相对位置信息进行形状处理，得到处理后的形状；根据训练样本集数据，计算处理后的形状的平均值、协方差矩阵的特征值和协方差矩阵的特征向量值；根据处理后的形状的平均值、协方差矩阵的特征向量值，得到形状系数数值；根据形状系数数值，协方差矩阵的特征值，得到总分割目标区域的相对位置稳定的先验；根据每个分割目标区域的分割偏差值，得到每个分割目标区域的唯一的先验；根据总分割目标区域的相对位置稳定的先验和每个分割目标区域的唯一的先验，得到训练模型，评估当前分割算法。

技术领域

本发明涉及医疗影像领域，具体而言，涉及一种基于解剖学先验的分割算法评估的方法和装置。

背景技术

基于深度学习模型的医疗影像分析方法越来越受到重视。为了取得良好的分析效果，需要标注大量的数据用于模型训练和测试。由于高质量的医疗数据标注要求医生具有丰富的从业经验，因此在标注资源有限的情况下，如何通过评估已有模型的效果来挑选最具有信息量的数据进行标注是很重要的。

现有的分割算法评估方法主要分为两类。一类是在有标注的情况下，直接根据分割结果和标注之间的差异计算评价指标值，但这种方法显然不适用于未被标注的数据。另一类方法主要根据分割结果提取多种图像特征，如形状特征、纹理特征等等，利用这些特征训练一个非线性的模型来近似估计评价指标值。这样做有两个问题，一是训练时间长，使得模型迭代更新缓慢；二是需要人工设计大量的特征，但却没有充分利用任务本身的解剖学先验信息。

由此，如何基于解剖学结构找到适用于模型效果评估和数据挑选的方式，成为现阶段急需解决的问题。

发明内容

为了充分利用任务本身的解剖学先验信息，找到信息量大的数据以评估模型的分割效果，本发明提供一种基于解剖学先验的分割算法评估的方法和装置。

第一方面，本发明提供一种基于解剖学先验的分割算法评估的方法，方法包括：

根据主动形状模型算法、普氏分析法对各个分割目标区域的中心点坐标的相对位置信息进行形状处理，得到处理后的形状；

根据训练样本集数据，计算处理后的形状的平均值、协方差矩阵的特征值和协方差矩阵的特征向量值；

根据处理后的形状的平均值、协方差矩阵的特征向量值，得到形状系数数值；

根据形状系数数值，协方差矩阵的特征值，得到总分割目标区域的相对位置稳定的先验；

根据每个分割目标区域的分割偏差值，得到每个分割目标区域的唯一的先验；

根据总分割目标区域的相对位置稳定的先验和每个分割目标区域的唯一的先验，得到训练模型，评估当前分割算法。

进一步地，分割目标区域为肺叶分割区域。

进一步地，根据主动形状模型算法、普氏分析法对各个分割目标区域的中心点坐标的相对位置信息进行形状处理，得到处理后的形状包括：

获取训练样本集数据和各个肺叶中心点坐标的相对位置信息；

利用主动形状模型算法对相对位置信息进行形状建模；

利用普氏分析法对得到的形状进行归一化处理，得到处理后的形状。

进一步地，根据总分割目标区域的相对位置稳定的先验和每个分割目标区域的唯一的先验，得到训练模型，评估当前分割算法包括：

根据总肺叶的相对位置稳定的先验和每个肺叶唯一的先验，得到加入训练模型的数据；

将测试样本集数据输入加入数据后的训练模型，评估当前分割算法。