[发明专利]模型训练方法、膝关节分割方法、装置及设备

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取病灶区影像的标注结果，所述病灶区影像的标注结果为病灶区轮廓线，所述病灶区轮廓线为封闭曲线；

将所述病灶区影像的标注结果作为输入，采用多尺度特征进行目标分割，回归获得预设个数的傅立叶级数权重，获得分割模型；

基于所述傅立叶级数权重，采用损失函数对所述分割模型进行优化，获得最优的分割模型。

2.如权利要求1所述的模型训练方法，其特征在于，所述预设个数的傅立叶级数权重是基于所述病灶区影像的标注结果，将所述标注结果中的病灶区轮廓线调整大小为预设长度，且利用预设的傅立叶级数对所述预设长度进行拟合获得的。

3.如权利要求1所述的模型训练方法，其特征在于，所述预设个数为100。

4.如权利要求2所述的模型训练方法，其特征在于，所述预设长度为200个点，所述预设的傅里叶级数为100阶傅立叶级数。

5.如权利要求1所述的模型训练方法，其特征在于，所述病灶区轮廓线的表达式为基于权重的函数表达式；

所述病灶区轮廓线的表达式为：

x＝f(u)

y＝g(u)

其中，

x为病灶区轮廓线在X轴上的点；

y为病灶区轮廓线在Y轴上的点；

f表示病灶区轮廓线在X轴上的点的傅立叶权重；

g表示病灶区轮廓线在Y轴上的点的傅立叶权重。

6.如权利要求1所述的模型训练方法，其特征在于，所述损失函数为改进的smoothl1损失，所述损失函数的表达式为：

loss＝min_{curve～period}((smoothl1(curve,pred)))

其中，

loss为损失函数；

min表示取最小值；

pred是分割模型的输出；

curve表示曲线；

period是真值左右各扩展半个周期的曲线。

7.一种膝关节分割方法，其特征在于，所述方法包括：

获取待处理的膝关节影像数据；

将所述待处理的膝关节影像数据，通过如权利要求1-6任一项所述的模型训练方法获得的最优的分割模型，获得所述待处理的膝关节影像数据的分割结果。

8.一种模型训练装置，其特征在于，所述装置包括：

获取模块，获取病灶区影像的标注结果，所述病灶区影像的标注结果为病灶区轮廓线，所述病灶区轮廓线为封闭曲线；

分割模块，将所述病灶区影像的标注结果作为输入，采用多尺度特征进行目标分割，回归获得预设个数的傅立叶级数权重，获得分割模型；

优化模块，基于所述傅立叶级数权重，采用损失函数对所述分割模型进行优化，获得最优的分割模型。

9.一种膝关节分割装置，其特征在于，所述装置包括：

获取模块，获取待处理的膝关节影像数据；

分割模块，将所述待处理的膝关节影像数据，通过如权利要求1-6任一项所述的模型训练方法获得的最优的分割模型，获得所述待处理的膝关节影像数据的分割结果。

10.一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

执行如权利要求1-6任一项所述的模型训练方法；

或者

执行如权利要求7所述的膝关节分割方法。