[发明专利]基于深度学习的自动化肝脏分段模型的构建方法、装置、计算机设备和存储介质

权利要求书

1.一种基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，包括以下步骤：

(1)获取样本肝脏三维影像，并获取所述样本肝脏三维影像的肝脏分段标签；

(2)将所述样本肝脏三维影像和所述肝脏分段标签作为训练集，对肝脏分段模型迭代进行深度学习训练，得到经过训练的肝脏分段模型，其中所述肝脏分段模型采用的深度学习网络是基于UNet/VNet和通道注意力机制相结合的分段网络。

2.如权利要求1所述的基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，在所述步骤(1)中，所述样本肝脏三维影像是肝脏MRI三维影像、肝脏B超三维影像、肝脏CT三维影像或肝脏MRS三维影像。

3.如权利要求1所述的基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，在所述步骤(1)中，所述的获取样本肝脏三维影像的步骤具体包括：

对原始样本肝脏三维影像进行预处理得到所述样本肝脏三维影像，所述预处理包括直方图均衡化、标准化和归一化处理中的一种或几种。

4.如权利要求1所述的基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，在所述步骤(2)中，所述UNet是UNet2.5D、UNet2D、UNet3D、UNet++、Res-UNet、Dense U-Net、MultiResUNet、R2U-Net或Attention UNet。

5.如权利要求1所述的基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，在所述步骤(2)中，所述深度学习网络包括卷积层、池化层、反卷积层、级联层和批标准化层，所述卷积层通过所述池化层信号连接所述反卷积层，所述级联层分别信号连接所述卷积层、所述池化层、所述反卷积层和所述批标准化层，所述卷积层提取所述样本肝脏三维影像的特征图，所述池化层对所述特征图进行下采样操作，所述反卷积层对所述特征图填补后做卷积操作来扩大所述特征图的尺寸，所述级联层将不同层级输出的所述特征图进行组合，所述批标准化层对所述特征图的数值进行标准化。

6.如权利要求1所述的基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，在所述步骤(2)中，所述深度学习训练包括编码过程和解码过程，所述编码过程和所述解码过程均采用所述UNet/VNet和所述通道注意力机制，所述解码过程还采用多层级融合操作和全监督操作中的一种或几种。

7.如权利要求6所述的基于深度学习的自动化肝脏分段模型的构建方法，其特征在于，在所述步骤(2)中，所述全监督操作采用的损失函数为多分类交叉熵损失函数。

8.一种基于深度学习的自动化肝脏分段模型的构建装置，其特征在于，包括：

肝脏分段模型训练模块，采用基于UNet/VNet和通道注意力机制相结合的分段网络，用于以样本肝脏三维影像和所述样本肝脏三维影像的肝脏分段标签作为训练集，对肝脏分段模型迭代进行深度学习训练，得到经过训练的肝脏分段模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～权利要求7中任一项所述的基于深度学习的自动化肝脏分段模型的构建方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～权利要求7中任一项所述的基于深度学习的自动化肝脏分段模型的构建方法。