[发明专利]一种骨折识别模型的训练方法、装置、设备及存储介质

说明书

本发明实施例公开了一种骨折识别模型的训练方法、装置、设备及存储介质。该方法包括：获取原始采集图像和至少一组骨折生成参数，并基于所述原始采集图像和各骨折生成参数确定目标样本骨折图像；基于所述目标样本骨折图像对初始增补骨折识别模型进行迭代训练，直到得到训练完成的增补骨折识别模型。本发明实施例通过目标样本骨折图像对增补骨折识别模型进行迭代训练，解决了骨折识别模型训练时的骨折样本不足的问题，提高了骨折样本的覆盖广度，也提高了骨折识别模型的召回率和识别精度，降低了人工成本和时间成本。

技术领域

本发明实施例涉及医学影像技术领域，尤其涉及一种骨折识别模型的训练方法、装置、设备及存储介质。

背景技术

骨折是指由于外伤或病理等原因致使骨质部分或完全断裂，是日常生活中常见的疾患。目前常用的骨折检查手段包括X线拍片、CT检查或MRI检查等。医生根据诊断经验对骨折位置、骨折类型、骨折个数和骨折长度等信息进行判断，给出诊断结果。但由于骨折的结构复杂，通常需要医生对骨折图像进行反复观察，耗时耗力且对医生的诊断水平要求较高。

近年来，随着计算机技术、计算机视觉、图像处理和模式识别技术的迅速发展，上述技术开始在医学影像分析中发挥重要作用。现有比较常用的方法包括骨骼分割和骨折检出，以及骨折识别模型方法。基于现有的骨折分割和骨折检出方法，由于骨折图像具有软硬组织灰度差值小、灰度级数复杂和对比度低等特征，该方法的识别效果准确度不高。基于现有的骨折识别模型方法是基于真实的骨折图像样本对其进行训练，但由于真实的骨折图像样本数量较少，且训练的标准也是基于人工标定骨折的结果，导致训练得到的骨折识别模型对骨折的识别精度和召回率并不高。

发明内容

本发明实施例提供了一种骨折识别模型的训练方法、装置、设备及存储介质，以提高骨折识别模型的召回率和识别精度，降低人工成本和时间成本。

第一方面，本发明实施例提供了一种骨折识别模型的训练方法，该方法包括：

获取原始采集图像和至少一组骨折生成参数，并基于所述原始采集图像和各骨折生成参数确定目标样本骨折图像；

基于所述目标样本骨折图像对初始增补骨折识别模型进行迭代训练，直到得到训练完成的增补骨折识别模型。

第二方面，本发明实施例还提供了一种骨折识别模型的训练装置，该装置包括：

目标样本骨折图像确定模块，用于获取原始采集图像和至少一组骨折生成参数，并基于所述原始采集图像和各骨折生成参数确定目标样本骨折图像；

骨折识别模型训练模块，用于基于所述目标样本骨折图像对初始增补骨折识别模型进行迭代训练，直到得到训练完成的增补骨折识别模型。

第三方面，本发明实施例还提供了一种设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述所涉及的任一所述的骨折识别模型的训练方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的骨折识别模型的训练方法。

本发明实施例通过目标样本骨折图像对增补骨折识别模型进行迭代训练，解决了骨折识别模型训练时的骨折样本不足的问题，提高了骨折样本的覆盖广度，也提高了骨折识别模型的召回率和识别精度，降低了人工成本和时间成本。

附图说明

图1是本发明实施例一提供的一种骨折识别模型的训练方法的流程图。

图2是本发明实施例二提供的一种骨折识别模型的训练方法的流程图。