[发明专利]冠脉分割模型的训练方法及装置、冠脉分割方法及装置

说明书

本申请提供了一种冠脉分割模型的训练方法及装置、冠脉分割方法及装置，具体包括：获取同一冠脉的医学影像数据、冠脉中线标记数据以及冠脉分割标记数据作为一组初始学习数据；针对每组初始学习数据，通过随机抠图的方式，对该组初始学习数据进行抠图，得到多组随机抠图结果；针对每组随机抠图结果，将该组随机抠图结果中的医学影像抠图结果以及冠脉中线标记抠图结果作为训练样本数据，将冠脉分割标记抠图结果作为与训练样本数据同组的标准样本数据，根据同组内训练样本数据和标准样本数据之间的数据差异，对原始分割模型进行训练，得到训练好的冠脉分割模型。这样，本申请可以提高冠脉分割结果在冠脉边缘细节上的分割精度。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种冠脉分割模型的训练方法及装置、冠脉分割方法及装置。

背景技术

冠脉(也称冠状动脉)是供给心脏血液的动脉，起于主动脉根部主动脉窦内，分左右两支，行于心脏表面。基于CTA(CT angiography,CT血管造影)的冠脉三维重建技术可以辅助医生对心脏有更全面清晰的认知，对于减少漏诊误诊有着重要作用，冠脉分割的准确性决定了三维重建的效果。

目前，现有基于神经网络模型，利用冠脉中线来分割冠脉的方案，大都是直接利用整个冠脉中线数据，在一定尺寸输入冠脉全局信息(即整图信息)来分割冠脉。虽然这种方案能够有效的分割出冠脉，但是却无法保证模型对冠脉的边缘细节特征进行学习，使得模型输出的冠脉分割结果在冠脉边缘细节上的分割精度较低，冠脉分割结果中的冠脉血管在密集处以及分叉处容易出血管表皮现粘连现象。

发明内容

有鉴于此，本申请的目的在于提供一种冠脉分割模型的训练方法及装置、冠脉分割方法及装置，以解决冠脉分割结果中的冠脉血管在密集处和分叉处容易出血管表皮现粘连的问题，提高冠脉分割结果在冠脉边缘细节上的分割精度。

第一方面，本申请实施例提供了一种冠脉分割模型的训练方法，所述训练方法包括：

获取同一冠脉的医学影像数据、冠脉中线标记数据以及冠脉分割标记数据作为一组初始学习数据；

针对每组初始学习数据，在随机指定的同一位置处，按照预设的抠图尺寸，对该组初始学习数据内的所述医学影像数据、所述冠脉中线标记数据以及所述冠脉分割标记数据进行抠图，得到多组随机抠图结果；其中，每组随机抠图结果中包括同一位置下相同尺寸的医学影像抠图结果、冠脉中线标记抠图结果以及冠脉分割标记抠图结果；

针对每组随机抠图结果，将该组随机抠图结果中的所述医学影像抠图结果以及所述冠脉中线标记抠图结果作为一组双通道的训练样本数据，将该组随机抠图结果中的所述冠脉分割标记抠图结果作为与所述训练样本数据同组的标准样本数据，根据同组内训练样本数据和标准样本数据之间的数据差异，对原始分割模型进行训练，得到训练好的冠脉分割模型。

在一种可选的实施方式中，所述根据同组内训练样本数据和标准样本数据之间的数据差异，对原始分割模型进行训练，得到训练好的冠脉分割模型，包括：

针对每组训练样本数据，根据该组训练样本数据中的所述冠脉中线标记抠图结果，训练所述原始分割模型对该组训练样本数据中的所述医学影像抠图结果进行冠脉分割预测，得到该组训练样本数据的冠脉分割预测结果；

获取与该组训练样本数据同组的标准样本数据，根据获取到的标准样本数据和所述冠脉分割预测结果，确定所述原始分割模型对该组训练样本数据的第一模型训练损失；

利用每组训练样本数据的第一模型训练损失，对所述原始分割模型进行重复训练，直至所述原始分割模型达到收敛，并将达到收敛的所述原始分割模型作为训练好的所述冠脉分割模型。

在一种可选的实施方式中，所述根据同组内训练样本数据和标准样本数据之间的数据差异，对原始分割模型进行训练，得到训练好的冠脉分割模型，还包括：