[发明专利]模型训练方法及设备、图像处理方法及设备以及介质

权利要求书

1.一种模型训练方法，包括：

获取多个样本图像，所述多个样本图像中的任一样本图像包括：基因型已知的关于指定肿瘤的三维PET图像；

获取所述任一样本图像的基因型信息；

确定所述任一样本图像的特征集；以及

基于所述多个样本图像各自的基因型信息和特征集，对初始模型进行训练，以得到目标模型，所述目标模型用于确定：基因型未知的关于指定肿瘤的三维PET图像的基因型信息；

其中，所述确定所述任一样本图像的特征集包括：获取所述任一样本图像中包含所述指定肿瘤的感兴趣区域；将所述感兴趣区域的任一像素值转换为标准摄取值，以获得针对所述感兴趣区域的第一矩阵；以及基于所述第一矩阵，确定所述任一样本图像的第一特征集合；

其中，所述基于所述第一矩阵，确定所述任一样本图像的第一特征集合包括：从所述第一矩阵中提取第一指定特征，所述第一指定特征中的任一第一指定特征包括如下至少一项：几何特征、一阶统计特征和纹理特征；对所述第一矩阵进行小波变换，以得到第二矩阵；从所述第二矩阵中提取第二指定特征，所述第二指定特征包括如下至少一项：一阶统计特征和纹理特征；以及由所述第一指定特征和/或所述第二指定特征构成所述第一特征集合；

其中，所述确定所述任一样本图像的特征集还包括：计算所述第一特征集合中的任一特征与所述基因型信息之间的第一相关性；从所述第一特征集合中选取所述第一相关性符合第一预定条件的特征，以组成第二特征集合；

其中，所述确定所述任一样本图像的特征集还包括：

计算所述第二特征集合中任意两个特征之间的第二相关性；以及对所述第二特征集合中所述第二相关性特征符合第二预定条件的特征进行去冗余处理，以得到第三特征集合；

其中，所述确定所述任一样本图像的特征集还包括：对所述第三特征集合进行多因素特征选择，以得到所述特征集。

2.根据权利要求1所述的方法，其中，

所述几何特征包括如下至少一项：所述指定肿瘤的体积、所述指定肿瘤的表面积、和所述指定肿瘤的球形度；并且/或者

所述一阶统计特征包括如下至少一项：最大值、最小值、峰度、和偏度；并且/或者

所述纹理特征包括：基于灰度共生矩阵算法得到的纹理特征，和/或，基于灰度游程矩阵得到的纹理特征。

3.根据权利要求1所述的方法，其中，所述指定肿瘤包括脑胶质瘤。

4.一种图像处理方法，包括：

获取基于如权利要求1～3中任一项所述的模型训练方法训练得到的目标模型；

获取待处理图像，所述待处理图像包括：基因型未知的关于指定肿瘤的三维PET图像；

确定所述待处理图像的特征集；以及

将所述待处理图像的特征集输入至所述目标模型，以使所述目标模型输出关于所述待处理图像的基因型信息的分类结果。

5.一种模型训练设备，应用于权利要求1～3中任一项所述的模型训练方法，包括：

存储器，配置为存储指令和数据；以及

处理器，配置为执行所述指令，以便：

获取多个样本图像，所述多个样本图像中的任一样本图像包括：基因型已知的关于指定肿瘤的三维PET图像；

获取所述任一样本图像的基因型信息；

确定所述任一样本图像的特征集；以及

基于所述多个样本图像各自的基因型信息和特征集，对初始模型进行训练，以得到目标模型，所述目标模型用于确定：基因型未知的关于指定肿瘤的三维PET图像的基因型信息。

6.一种图像处理设备，包括：

存储器，配置为存储指令和数据；以及

处理器，配置为执行所述指令，以便：

获取基于如权利要求1～3中任一项所述的模型训练方法训练得到的目标模型；

获取待处理图像，所述待处理图像包括：基因型未知的关于指定肿瘤的三维PET图像；

确定所述待处理图像的特征集；以及

将所述待处理图像的特征集输入至所述目标模型，以使所述目标模型输出关于所述待处理图像的基因型信息的分类结果。

7.一种计算机可读存储介质，其中存储有计算机指令，当所述指令被处理器执行时实现如权利要求1～3中任一项所述的模型训练方法。