[发明专利]一种用于冠状动脉的网络模型分割方法及设备

权利要求书

1.一种用于冠状动脉的网络模型分割方法，其特征在于，所述方法包括：

对多个冠状动脉训练样本进行分类标记，得到多个标签信息组；

对所得到的多个标签信息组按照第一比例进行选取，得到多样性训练样本集；

从所得到的多个标签信息组中筛选隶属于第一标签信息的训练样本，作为单一性训练样本集；

分别利用所得到的多样性训练样本集和单一性训练样本集进行分割预测，得到基础模型的分割预测结果和扩展模型的分割预测结果；

融合所述基础模型的分割预测结果和扩展模型的分割预测结果，生成融合优化后的冠状动脉分割结果。

2.根据权利要求1所述的方法，其特征在于，所述对多个冠状动脉训练样本进行分类标记，包括：

根据数据来源、数据质量和/或病灶情况来对多个冠状动脉训练样本进行分类标记。

3.根据权利要求1所述的方法，其特征在于，所述融合所述基础模型的分割预测结果和扩展模型的分割预测结果，生成融合优化后的冠状动脉分割结果，包括：

在所述基础模型的分割预测结果上找到冠状动脉的尾端位置；

在所述冠状动脉的尾端位置添加所述扩展模型的分割预测结果，得到融合优化后的冠状动脉分割结果。

4.根据权利要求1所述的方法，其特征在于，所述融合所述基础模型的分割预测结果和扩展模型的分割预测结果，生成融合优化后的冠状动脉分割结果，包括：

遍历所述扩展模型的分割预测结果中的每一个像素点，从所述扩展模型的分割预测结果中减去所述基础模型的分割预测结果，得到差异性分割预测结果；

输入所述基础模型的分割预测结果与所述差异性分割预测结果并进行神经网络训练，得到融合优化后的冠状动脉分割结果。

5.一种用于冠状动脉的网络模型分割设备，其特征在于，所述设备包括：

标记模块，所述标记模块包括：

分类标记单元，用于对多个冠状动脉训练样本进行分类标记，得到多个标签信息组；

选取单元，用于对所得到的多个标签信息组按照第一比例进行选取，得到多样性训练样本集；

筛选单元，用于从所得到的多个标签信息组中筛选隶属于第一标签信息的训练样本，作为单一性训练样本集；

所述设备还包括：

分割模块，用于分别利用所得到的多样性训练样本集和单一性训练样本集进行分割预测，得到基础模型的分割预测结果和扩展模型的分割预测结果；

整合模块，用于融合所述基础模型的分割预测结果和扩展模型的分割预测结果，生成融合优化后的冠状动脉分割结果。

6.根据权利要求5所述的设备，其特征在于，

所述分类标记单元，还用于根据数据来源、数据质量和/或病灶情况来对多个冠状动脉训练样本进行分类标记。

7.根据权利要求5所述的设备，其特征在于，所述整合模块包括：

尾端定位单元，用于在所述基础模型的分割预测结果上找到冠状动脉的尾端位置；

尾端添加单元，用于在所述冠状动脉的尾端位置添加所述扩展模型的分割预测结果，得到融合优化后的冠状动脉分割结果。

8.根据权利要求5所述的设备，其特征在于，所述整合模块包括：

差异分割单元，用于遍历所述扩展模型的分割预测结果中的每一个像素点，从所述扩展模型的分割预测结果中减去所述基础模型的分割预测结果，得到差异性分割预测结果；

差异整合单元，用于输入所述基础模型的分割预测结果与所述差异性分割预测结果并进行神经网络训练，得到融合优化后的冠状动脉分割结果。