[发明专利]用于斑块分割的模型训练方法、装置、设备及存储介质

说明书

本发明适用医疗技术领域，提供了一种用于斑块分割的模型训练方法、装置、设备及存储介质，该方法包括：获取第一预设数量张血管壁的未分割斑块图像和未分割斑块图像对应的已分割斑块图像，将未分割斑块图像输入到深度学习网络模型进行分割训练，以得到未分割斑块图像的第一分割结果，通过第一分割结果和已分割斑块图像对分割训练后的深度学习网络模型进行微调迭代训练，输出微调迭代训练后的用于斑块分割的深度学习网络模型，从而实现了血管壁上斑块分割的自动化以及提高了斑块分割的精确度，进而提高斑块分割效率。

技术领域

本发明属于医疗技术领域，尤其涉及一种用于斑块分割的模型训练方法、装置、设备及存储介质。

背景技术

脑卒中是我国死亡率和致残率最高的疾病，脑卒中包括出血性脑卒中和缺血性脑卒中两种，我国脑卒中以缺血性脑卒中为主，占全部脑卒中病例的79％，而且有增加趋势，类似的心血管疾病严重威胁着人类的生命健康，随着科技高速发展，对心血管疾病的早期定量诊断和风险评估对延长人类生命健康起着关键的作用。研究表明，动脉粥样硬化斑块破裂引发血栓形成是缺血性脑卒中的主要发病机制，因此，及时发现脑卒中相关血管床，包括颅内动脉、颈动脉和胸主动脉的易损斑块或其他管壁病变是缺血性脑卒中早期预防和精准治疗的关键。

目前，在颈动脉和冠状动脉斑块的研究中，由于三维高分辨磁共振血管壁成像的数据量巨大，医生需要手动重建、配准、分割及标记的方式完成血管壁斑块的前期处理工作，每位检查者的图像可达到500幅，需要花费大量的时间才能完成一名检查者的诊断，而且，颅内动脉管径细小(1-2mm)、形态卷绕的特征，血管壁上斑块的图像分割标记过程较为繁琐。因此，采用磁共振对缺血性脑卒中相关血管床斑块进行全面、精确的影像评估，并利用人工智能进行快速准确诊断，对脑卒中高危人群筛查和病因探查防止再发具有十分重要的意义。

发明内容

本发明的目的在于提供一用于斑块分割的模型训练方法、装置、设备以及存储介质，旨在解决由于现有技术无法提供一种有效的斑块分割模型，导致在分割血管壁上的斑块时人工操作繁琐以及斑块分割耗时长的问题。

一方面，本发明提供了一种用于斑块分割的模型训练方法，所述方法包括下述步骤：

获取第一预设数量张血管壁的未分割斑块图像和所述未分割斑块图像对应的已分割斑块图像；

将所述未分割斑块图像输入到深度学习网络模型进行分割训练，以得到所述所述未分割斑块图像的第一分割结果；

通过所述第一分割结果和所述已分割斑块图像对所述分割训练后的深度学习网络模型进行微调迭代训练；

输出微调迭代训练后的用于斑块分割的所述深度学习网络模型。

另一方面，本发明提供了一种用于斑块分割的模型训练装置，所述装置包括：

图像获取单元，用于获取第一预设数量张血管壁的未分割斑块图像和所述未分割斑块图像对应的已分割斑块图像；

分割训练单元，用于将所述未分割斑块图像输入到深度学习网络模型进行分割训练，以得到所述所述未分割斑块图像的第一分割结果；

微调训练单元，用于通过所述第一分割结果和所述已分割斑块图像对所述分割训练后的深度学习网络模型进行微调迭代训练；以及

模型输出单元，用于输出微调迭代训练后的用于斑块分割的所述深度学习网络模型。

另一方面，本发明还提供了一种模型训练设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述用于斑块分割的模型训练方法的步骤。

另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述用于斑块分割的模型训练方法的步骤。