[发明专利]模型训练方法及其装置、血管结构生成方法及其装置

权利要求书

1.一种模型训练方法，其特征在于，用于训练初始神经网络模型，得到血流方向预测模型，所述方法包括：

确定头颈部血管样本图像和所述头颈部血管样本图像对应的血管骨架标记数据；

基于所述血管骨架标记数据，在所述头颈部血管样本图像内确定多个采样中心点，以对所述头颈部血管样本图像进行切块采样操作，得到多个样本块数据集合，所述样本块数据集合包括多个样本块数据组，所述样本块数据组包括多个样本块数据；

基于所述多个样本块数据集合各自对应的采样中心点、预设血流步长和所述血管骨架标记数据，确定所述多个样本块数据集合各自对应的训练目标数据，所述训练目标数据为所述样本块数据集合对应的K个实际血流走势方向与N个预设血流走势方向匹配程度的概率分布数据，K和N为正整数；

利用所述多个样本块数据集合、所述多个样本块数据集合各自对应的训练目标数据，训练所述初始神经网络模型，得到所述血流方向预测模型；

其中，所述基于所述多个样本块数据集合各自对应的采样中心点、预设血流步长和所述血管骨架标记数据，确定所述多个样本块数据集合各自对应的训练目标数据，包括：

针对于所述多个样本块数据集合中的每个样本块数据集合，基于所述样本块数据集合对应的采样中心点、所述预设血流步长和所述血管骨架标记数据，确定所述样本块数据集合对应的N个标准方向向量和K个实际方向向量，所述实际方向向量用于表征实际血流走势方向，所述标准方向向量用于表征预设血流走势方向；

将所述K个实际方向向量拟合到所述N个标准方向向量，得到所述样本块数据集合对应的训练目标数据；

其中，所述基于所述样本块数据集合对应的采样中心点、所述预设血流步长和所述血管骨架标记数据，确定所述样本块数据集合对应的N个标准方向向量和K个实际方向向量，包括：

以所述采样中心点对应的坐标为中心，以所述预设血流步长为半径，构造球面，获得所述采样中心点对应的参考球面；

基于所述采样中心点为起点和平均分布在所述参考球面上的N个点，确定所述N个标准方向向量；

确定所述参考球面和所述血管骨架标记数据的K个交点；

基于所述采样中心点和所述K个交点，确定所述K个实际方向向量。

2.根据权利要求1所述的模型训练方法，其特征在于，所述利用所述多个样本块数据集合、所述多个样本块数据集合各自对应的训练目标数据，训练所述初始神经网络模型，得到所述血流方向预测模型，包括：

针对于所述多个样本块数据集合中的每个样本块数据集合，基于所述初始神经网络模型，利用所述样本块数据集合，得到所述样本块数据集合对应的离散概率数据，所述离散概率数据用于表征N个标准方向向量各自属于预测方向向量的概率值；

将所述离散概率数据转化为似然概率分布；

基于所述似然概率分布、所述训练目标数据和预设损失函数，确定损失值；

基于所述损失值，调整所述初始神经网络模型的参数，直至所述损失值满足预设条件，得到所述血流方向预测模型。

3.根据权利要求1或2所述的模型训练方法，其特征在于，还包括：

确定所述多个采样中心点各自对应的偏移采样中心点；

基于所述多个采样中心点各自对应的偏移采样中心点，对所述头颈部血管样本图像进行切块采样操作，得到多个偏移样本块数据集合；

针对于所述多个偏移样本块数据集合中的每个偏移样本块数据集合，基于所述偏移样本块数据集合对应的偏移采样中心点、所述偏移采样中心点对应的采样中心点、所述预设血流步长和所述血管骨架标记数据，确定所述偏移样本块数据集合对应的K个修正训练目标数据，其中，所述修正训练目标数据为所述偏移样本块数据对应的K个修正实际方向向量与N个标准方向向量匹配程度的概率分布数据，所述修正实际方向向量用于表征发生偏移的实际血流走势方向被修正后获得的实际血流走势方向；

其中，所述利用所述多个样本块数据集合、所述多个样本块数据集合各自对应的训练目标数据，训练所述初始神经网络模型，得到所述血流方向预测模型，包括：

利用所述多个样本块数据集合、所述多个样本块数据集合各自对应的训练目标数据、所述多个偏移样本块数据集合、所述多个偏移样本块数据集合各自对应的修正训练目标数据，训练所述初始神经网络模型，得到所述血流方向预测模型。