[发明专利]分割模型的训练方法、使用方法、装置、设备及介质

权利要求书

1.一种分割模型的训练方法，其特征在于，所述方法包括：

获取样本三维医学图像和样本实例分割结果，所述样本实例分割结果包括所述样本三维医学图像中的n种三维兴趣目标的标签，n为大于1的整数；

将所述样本三维医学图像的特征表示输入至所述分割模型的语义分割分支，输出所述样本三维医学图像的语义分割结果；所述语义分割结果用于指示所述三维兴趣目标的三维位置信息；以及将所述样本三维医学图像的特征表示输入至所述分割模型的目标检测分支，输出检测框的位置信息和分类结果；所述检测框用于确定所述样本三维医学图像中的所述三维兴趣目标；

根据所述语义分割结果、所述检测框的所述位置信息和所述分类结果，得到所述样本三维医学图像的预测实例分割结果；

基于所述预测实例分割结果和所述样本实例分割结果之间的误差，对所述分割模型进行训练，得到训练后的分割模型。

2.根据权利要求1所述的方法，其特征在于，所述语义分割分支包括：编码器和解码器；

所述将所述样本三维医学图像的特征表示输入至所述分割模型的语义分割分支，输出所述样本三维医学图像的语义分割结果，包括：

将所述样本三维医学图像的特征表示输入至所述编码器，编码得到所述样本三维医学图像的隐层表示；

将所述隐层表示输入至所述解码器，解码得到所述样本三维医学图像的语义分割结果。

3.根据权利要求2所述的方法，其特征在于，所述编码器是U型卷积神经网络U-Net的编码器，所述解码器是所述U-Net的解码器；

所述将所述样本三维医学图像的特征表示输入至所述编码器，编码得到所述样本三维医学图像的隐层表示，包括：

将所述样本三维医学图像的特征表示输入至所述U-Net的编码器，编码得到所述样本三维医学图像的隐层表示；

所述将所述隐层表示输入至所述解码器，解码得到所述样本三维医学图像的语义分割结果，包括：

将所述隐层表示输入至所述U-Net的解码器，解码得到所述样本三维医学图像的语义分割结果。

4.根据权利要求1所述的方法，其特征在于，所述目标检测分支是区域提议网络RPN；

所述将所述样本三维医学图像的特征表示输入至所述分割模型的目标检测分支，输出检测框的位置信息和分类结果，包括：

将所述样本三维医学图像的特征表示输入至所述RPN，输出所述检测框的位置信息和分类结果。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

通过兴趣区域对齐ROIAlign对所述位置信息进行修正，得到修正后的位置信息。

6.根据权利要求1所述的方法，其特征在于，所述语义分割结果包括至少一个预测兴趣目标的三维位置信息；

所述根据所述语义分割结果、所述检测框的所述位置信息和所述分类结果，得到所述样本三维医学图像的预测实例分割结果，包括：

基于所述检测框的位置信息以及所述至少一个预测兴趣目标的三维位置信息，确定位于所述检测框内的所述预测兴趣目标；

将所述检测框的所述分类结果确定为所述预测兴趣目标的分类结果；

输出所述样本三维医学图像的预测实例分割结果，所述预测实例分割结果包括至少一个预测实例，每个所述预测实例对应一个预测兴趣目标的三维位置信息和分类结果。

7.根据权利要求1至6任一所述的方法，其特征在于，所述分割模型还包括：特征提取网络；

所述方法还包括：

将所述样本三维医学图像输入至所述特征提取网络，输出所述样本三维医学图像的特征表示。

8.根据权利要求7所述的方法，其特征在于，所述特征提取网络是特征金字塔网络FPN；

所述将所述样本三维医学图像输入至所述特征提取网络，输出所述样本三维医学图像的特征表示，包括：

将所述样本三维医学图像输入至所述FPN，输出所述样本三维医学图像的特征金字塔，将所述特征金字塔作为所述样本三维医学图像的特征表示。