[发明专利]基于动态自适应网络的多参数乳腺磁共振图像分割方法

权利要求书

1.一种基于动态自适应网络的多参数乳腺磁共振图像分割方法，其特征在于，包括：

获取多参数磁共振样本图像，其中，所述多参数磁共振样本图像中包括包含乳腺病变区域的磁共振样本图像；

将所述多参数磁共振样本图像输入待训练的图像分割模型，对所述待训练的图像分割模型进行训练，得到训练后的图像分割模型，其中，所述待训练的图像分割模型为动态自适应网络模型；

获取单参数磁共振样本图像；

将所述单参数磁共振样本图像输入训练后的图像分割模型对所述训练后的图像分割模型进行测试，当测试成功时，得到训练好的图像分割模型；

获取待识别的磁共振图像；

将所述待识别的磁共振图像输入所述训练好的图像分割模型，得到所述待识别的磁共振图像中的乳腺病变区域的信息。

2.根据权利要求1所述的方法，其特征在于，所述将所述多参数磁共振样本图像输入待训练的图像分割模型，对所述待训练的图像分割模型进行训练，得到训练后的图像分割模型，包括：

将所述多参数磁共振样本图像输入待训练的图像分割模型，通过所述待训练的图像分割模型中的动态卷积对所述多参数磁共振样本图像进行识别，得到当前的识别结果；

根据所述识别结果计算所述待训练的图像分割模型当前的训练损失；

根据所述当前的训练损失对所述待训练的图像分割模型的参数进行调整，并返回所述将所述多参数磁共振样本图像输入待训练的图像分割模型，通过所述待训练的图像分割模型中的动态卷积对所述多参数磁共振样本图像进行识别，得到当前的识别结果的步骤继续执行，直至达到预设迭代次数，得到训练后的图像分割模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述单参数磁共振样本图像输入训练后的图像分割模型对所述训练后的图像分割模型进行测试，当测试成功时，得到训练好的图像分割模型，包括：

将所述单参数磁共振样本图像输入训练后的图像分割模型，得到所述训练后的图像分割模型当前的测试损失；

当所述当前的测试损失小于预设阈值时，得到训练好的图像分割模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述单参数磁共振样本图像输入训练后的图像分割模型对所述训练后的图像分割模型进行测试，当测试成功时，得到训练好的图像分割模型之后，所述方法还包括：

当所述当前的损失大于预设阈值时，返回所述将所述多参数磁共振样本图像输入待训练的图像分割模型，对所述待训练的图像分割模型进行训练，得到训练后的图像分割模型的步骤继续进行训练。

5.一种基于动态自适应网络的多参数乳腺磁共振图像分割装置，其特征在于，包括：

训练图像获取模块，用于获取多参数磁共振样本图像，其中，所述多参数磁共振样本图像中包括包含乳腺病变区域的磁共振样本图像；

模型训练模块，用于将所述多参数磁共振样本图像输入待训练的图像分割模型，对所述待训练的图像分割模型进行训练，得到训练后的图像分割模型，其中，所述待训练的图像分割模型为动态自适应网络模型；

测试图像获取模块，用于获取单参数磁共振样本图像；

模型测试模块，用于将所述单参数磁共振样本图像输入训练后的图像分割模型对所述训练后的图像分割模型进行测试，当测试成功时，得到训练好的图像分割模型；

待识别图像获取模块，用于获取待识别的磁共振图像；

待识别图像识别模块，用于将所述待识别的磁共振图像输入所述训练好的图像分割模型，得到所述待识别的磁共振图像中的乳腺病变区域的信息。