[发明专利]一种肿瘤分割方法、装置、设备及存储介质

权利要求书

1.一种肿瘤分割方法，其特征在于，包括：

基于原始医疗放射图像生成相应的标准化图像和编码图像；

基于参数交换的联邦学习方式对预先经过初始训练的第一肿瘤分割模型进行优化训练得到训练后的目标肿瘤分割模型；所述第一肿瘤分割模型为利用本地医院采集到的训练集对基于局部特征和全局特征组合构建的双路径卷积神经网络进行初始训练后得到的模型；

将所述原始医疗放射图像、所述标准化图像和所述编码图像输入至所述目标肿瘤分割模型得到所述目标肿瘤分割模型输出的肝脏分割结果和肿瘤分割结果。

2.根据权利要求1所述的肿瘤分割方法，其特征在于，所述基于原始医疗放射图像生成相应的标准化图像和编码图像，包括：

对所述原始医疗放射图像进行Z-Score标准化处理得到相应的标准化图像；

根据预设编码算法对所述原始医疗放射图像进行编码得到相应的编码图像；所述预设编码算法为基于梯度幅度和灰度强度预先定义的局部梯度方向算法。

3.根据权利要求2所述的肿瘤分割方法，其特征在于，所述对所述原始医疗放射图像进行Z-Score标准化处理得到相应的标准化图像，包括：

对所述原始医疗放射图像中的非零像素进行Z-Score标准化处理得到相应的标准化图像。

4.根据权利要求2所述的肿瘤分割方法，其特征在于，所述根据预设编码算法对所述原始医疗放射图像进行编码得到相应的编码图像，包括：

对所述原始医疗放射图像进行边缘检测得到相应的边缘检测结果，并基于预设编码算法和所述边缘检测结果对所述原始医疗放射图像进行编码生成相应的编码图像。

5.根据权利要求4所述的肿瘤分割方法，其特征在于，所述对所述原始医疗放射图像进行边缘检测得到相应的边缘检测结果，包括：

利用kirsch算子边缘检测算法对所述原始医疗放射图像进行边缘检测得到相应的边缘检测结果。

6.根据权利要求1至5任一项所述的肿瘤分割方法，其特征在于，所述基于参数交换的联邦学习方式对预先经过初始训练的第一肿瘤分割模型进行优化训练得到训练后的目标肿瘤分割模型，包括：

获取本地医院中预先经过初始训练的第一肿瘤分割模型；

将预先经过初始训练的所述第一肿瘤分割模型与每轮随机选取到的其他医院中预先经过初始训练的第二肿瘤分割模型进行一次或多次的模型参数交换得到参数交换后的肿瘤分割模型；

对所述参数交换后的肿瘤分割模型进行优化训练得到训练后的目标肿瘤分割模型。

7.根据权利要求6所述的肿瘤分割方法，其特征在于，在所述第一肿瘤分割模型与所述第二肿瘤分割模型的每一次模型参数交换过程中，包括：

随机选取所述第一肿瘤分割模型中的第一待交换参数，并随机选取所述第二肿瘤分割模型中的第二待交换参数；

将所述第一肿瘤分割模型中的所述第一待交换参数与所述第二肿瘤分割模型中的所述第二待交换参数进行交换。

8.一种肿瘤分割装置，其特征在于，包括：

图像生成模块，用于基于原始医疗放射图像生成相应的标准化图像和编码图像；

模型训练模块，用于基于参数交换的联邦学习方式对预先经过初始训练的第一肿瘤分割模型进行优化训练得到训练后的目标肿瘤分割模型；所述第一肿瘤分割模型为利用本地医院采集到的训练集对基于局部特征和全局特征组合构建的双路径卷积神经网络进行初始训练后得到的模型；

肿瘤分割模块，用于将所述原始医疗放射图像、所述标准化图像和所述编码图像输入至所述目标肿瘤分割模型得到所述目标肿瘤分割模型输出的肝脏分割结果和肿瘤分割结果。

9.一种电子设备，其特征在于，包括：

存储器，用于保存计算机程序；

处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的肿瘤分割方法的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的肿瘤分割方法的步骤。