[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

说明书

本申请提供了一种模型训练方法，用于训练初始神经网络模型，得到血流方向预测模型，该方法包括：确定头颈部血管样本图像和头颈部血管样本图像对应的血管骨架标记数据；基于血管骨架标记数据，在头颈部血管样本图像内确定多个采样中心点，以对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，基于多个样本块数据集合各自对应的采样中心点、预设血流步长和血管骨架标记数据，确定多个样本块数据集合各自对应的训练目标数据；利用多个样本块数据集合、多个样本块数据集合各自对应的训练目标数据，训练初始神经网络模型，得到血流方向预测模型。利用该模型训练方法，能够提高模型的鲁棒性和稳定性，从而提高血流方向预测的准确性。

技术领域

本申请涉及医学图像处理技术领域，具体涉及一种模型训练方法及其装置、血管结构生成方法及其装置、电子设备和计算机可读存储介质。

背景技术

头颈部动脉血管的血管结构的准确信息，能够在进行动脉血管分割时提供全局信息，以提高血管分割的准确性和完整性，因此，生成准确的血管结构至关重要。

在生成血管结构的过程中，需要利用血流方向预测模型预测血流走势方向。然而，现有技术中的血流方向预测模型的预测准确度不高，因此，亟需一种能够提高血流方向预测模型的准确性的方法。

发明内容

有鉴于此，本申请实施例提供了一种模型训练方法及其装置、血管结构生成方法及其装置、电子设备和计算机可读存储介质，以解决现有技术中血流方向预测模型的预测准确度不高的技术问题。

根据本申请实施例的第一方面，提供一种模型训练方法，用于训练初始神经网络模型，得到血流方向预测模型，该方法包括：确定头颈部血管样本图像和头颈部血管样本图像对应的血管骨架标记数据；基于血管骨架标记数据，在头颈部血管样本图像内确定多个采样中心点，以对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，样本块数据集合包括多个样本块数据组，样本块数据组包括多个样本块数据；基于多个样本块数据集合各自对应的采样中心点、预设血流步长和血管骨架标记数据，确定多个样本块数据集合各自对应的训练目标数据，训练目标数据为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；利用多个样本块数据集合、多个样本块数据集合各自对应的训练目标数据，训练初始神经网络模型，得到血流方向预测模型。

在一个实施例中，基于多个样本块数据集合各自对应的采样中心点、预设血流步长和血管骨架标记数据，确定多个样本块数据集合各自对应的训练目标数据，包括：针对于多个样本块数据集合中的每个样本块数据集合，基于样本块数据集合对应的采样中心点、预设血流步长和血管骨架标记数据，确定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，实际方向向量用于表征实际血流走势方向，标准方向向量用于表征预设血流走势方向；将K个实际方向向量拟合到N个标准方向向量，得到样本块数据集合对应的训练目标数据。

在一个实施例中，基于样本块数据集合对应的采样中心点、预设血流步长和血管骨架标记数据，确定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：以采样中心点对应的坐标为中心，以预设血流步长为半径，构造球面，获得采样中心点对应的参考球面；基于采样中心点为起点和平均分布在参考球面上的N个点，确定N个标准方向向量；确定参考球面和血管骨架标记数据的K个交点；基于采样中心点和K个交点，确定K个实际方向向量。

在一个实施例中，利用多个样本块数据集合、多个样本块数据集合各自对应的训练目标数据，训练初始神经网络模型，得到血流方向预测模型，包括：针对于多个样本块数据集合中的每个样本块数据集合，基于初始神经网络模型，利用样本块数据集合，得到样本块数据集合对应的离散概率数据，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；将离散型概率数据转化为似然概率分布；基于似然概率分布、训练目标数据和预设损失函数，确定损失值；基于损失值，调整初始神经网络模型的参数，直至损失值满足预设条件，得到血流方向预测模型。