[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

说明书

本发明实施例提供了的基于动态自适应网络的多参数乳腺磁共振图像分割方法，应用于医学影像技术领域，通过获取多参数磁共振样本图像；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；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。从而降低图像分割模型的训练过程中对样本图像的要求。

技术领域

本发明涉及医学影像技术领域，特别是涉及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。

背景技术

目前，随着网络模型技术的快速发展，网络模型已经深入到了人们生活中的多个领域。例如，通过网络模型进行人脸识别，图像分类、数据预测等。通过网络模型不但可以给人们生活提供极大的便利，还可以提高数据处理的效率。

然而，目前医学影像技术领域，在训练用于识别患者拍摄到的图像中的病变部位的网络模型时，往往是通过多参数图像进行模型的训练和测试，导致样本图像的要求往往较高。

发明内容

本发明实施例的目的在于提供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，用以解决仅能通过多参数图像进行模型的训练和测试的问题。具体技术方案如下：

本申请实施例的第一方面，首先提供了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，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。

可选的，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。

可选的，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。