[发明专利]肝脏图像的轮廓分割方法和装置有效

专利信息
申请号: 201910803723.8 申请日: 2019-08-28
公开(公告)号: CN112446893B 公开(公告)日: 2023-06-02
发明(设计)人: 董家鸿;金烁 申请(专利权)人: 北京精诊医疗科技有限公司
主分类号: G06T7/12 分类号: G06T7/12
代理公司: 北京科领智诚知识产权代理事务所(普通合伙) 11782 代理人: 陈士骞
地址: 102629 北京市大兴区中关村科技园*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 肝脏 图像 轮廓 分割 方法 装置
【权利要求书】:

1.一种肝脏图像的轮廓分割方法,其特征在于,所述方法包括:

获取医学切片图像,所述医学切片图像包括肝脏切片,所述肝脏切片包括轮廓标注信息;

将所述医学切片图像输入到图像分割模型,得到肝脏轮廓分割结果;

所述图像分割模型为,预先以肝脏数据块为样本,以所述肝脏数据块中每个肝脏切片的轮廓标注信息为样本标签,根据所述样本的权重进行训练得到;

其中,所述肝脏数据块包括第一预设数量的切片;

所述方法还包括所述图像分割模型的训练步骤:

获取所述图像分割模型的训练集,所述训练集包括多个肝脏数据块;

根据所述训练集中每个肝脏数据块的权重随机抽取一个批量的肝脏数据块,输入到所述图像分割模型,输出预测分割结果,根据所述预测分割结果和所述肝脏数据块中肝脏切片的轮廓标注信息,更新所述图像分割模型的参数;

根据所述训练集中每个肝脏数据块的权重随机抽取另一批量的肝脏数据块,重复执行上述步骤,直至所有的肝脏数据块被遍历,得到一轮训练后的图像分割模型;

根据所述一轮训练后的图像分割模型对所述训练集中的肝脏数据块进行测试,根据测试结果更新所述肝脏数据块的权重;

根据预设的训练次数继续进行训练,直至训练结束;

所述训练集中每个肝脏数据块的初始权重为1;

所述根据所述一轮训练后的图像分割模型对所述训练集中的肝脏数据块进行测试,根据测试结果更新所述肝脏数据块的权重包括:

将所述训练集中的肝脏数据块输入到所述一轮训练后的图像分割模型中,得到所述肝脏数据块中每个肝脏切片的预测分割结果;

根据所述预测分割结果和所述肝脏切片的轮廓标注信息计算所述肝脏切片的分数,计算公式为:

其中,s为所述肝脏切片的分数,X表示所述图像分割模型对所述肝脏切片每个像素点的二值化预测结果,Y表示所述肝脏切片实际的二值化结果;|X|为X中所有值为1的像素点的个数,|Y|为Y中所有值为1的像素点的个数,|X∩Y|为X和Y中相同位置同为1的像素点的个数;

根据所述肝脏切片的分数计算所述肝脏数据块的分数,并根据所述肝脏数据块的分数计算所述肝脏数据块的权重,计算公式为:

weight=1-score

其中,score为所述肝脏数据块的分数,weight为所述肝脏数据块的权重;

根据计算结果更新所述肝脏数据块的权重。

2.根据权利要求1所述的肝脏图像的轮廓分割方法,其特征在于,所述根据所述预测分割结果和所述肝脏数据块中肝脏切片的轮廓标注信息,更新所述图像分割模型的参数包括:

计算所述一个批量的肝脏数据块的所有肝脏切片的平均损失函数值;

根据所述平均损失函数值计算所述图像分割模型的梯度;

根据所述梯度更新所述图像分割模型的参数。

3.根据权利要求2所述的肝脏图像的轮廓分割方法,其特征在于,所述计算所述一个批量的肝脏数据块的所有肝脏切片的平均损失函数值包括:

计算所述一个批量中的每个肝脏切片的损失函数,计算公式为:

其中,loss为所述肝脏切片的损失函数,X表示所述图像分割模型对所述肝脏切片每个像素点的二值化预测结果,Y表示所述肝脏切片实际的二值化结果;|X|为X中所有值为1的像素点的个数,|Y|为Y中所有值为1的像素点的个数,|X∩Y|为X和Y中相同位置同为1的像素点的个数;

将所述损失函数按照从大到小的顺序进行排列,得到一个损失函数数组;

从前往后选取所述数组中指定比例的损失函数,对选取的损失函数乘以第一数值;

将所述数组中所有的损失函数相加,再除以损失函数的数量,得到所述一个批量的肝脏数据块的所有肝脏切片的平均损失函数值。

4.根据权利要求1所述的肝脏图像的轮廓分割方法,其特征在于,所述获取所述图像分割模型的训练集包括:

获取用于训练的医学切片图像,根据肝脏切片的轮廓标注信息对所述医学切片图像进行裁剪,得到所述图像分割模型的训练集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京精诊医疗科技有限公司,未经北京精诊医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910803723.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top