[发明专利]基于三维卷积神经网络胎儿颅脑超声结构分割方法及装置

权利要求书

1.一种基于三维卷积神经网络胎儿颅脑超声结构分割方法，其特征在于，所述方法包括：

获取胎儿颅脑超声结构的原始容积数据；

将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析，并获取所述三维卷积神经网络分割模型输出的分析结果，作为所述胎儿颅脑超声结构的分割结果。

2.根据权利要求1所述的基于三维卷积神经网络胎儿颅脑超声结构分割方法，其特征在于，在所述将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析之前，所述方法还包括：

检测所述胎儿颅脑超声结构的原始容积数据中是否存在敏感信息，其中，所述敏感信息包括所述胎儿颅脑超声结构对应个体的隐私信息，所述个体的隐私信息包括所述个体的姓名、性别、年龄、出生日期、联系方式中的一个或多个；

当检测到所述胎儿颅脑超声结构的原始容积数据中存在所述敏感信息时，去除所述敏感信息，并将去除所述敏感信息后的原始容积数据更新为所述胎儿颅脑超声结构的原始容积数据，以及触发执行所述的将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析的操作；

以及，所述方法还包括：

当检测到所述胎儿颅脑超声结构的原始容积数据中不存在所述敏感信息时，触发执行所述的将所述胎儿颅脑超声结构的原始容积数据输入确定出的三维卷积神经网络分割模型中进行分析的操作。

3.根据权利要求1或2所述的基于三维卷积神经网络胎儿颅脑超声结构分割方法，其特征在于，所述方法还包括：

采集非胎儿颅脑超声结构对应的第一样本数据集和样本胎儿颅脑超声结构对应的第二样本数据集，其中，所述第一样本数据集和所述第二样本数据集均至少包括一个样本数据对，每个所述样本数据对均包括一个样本原始容积数据和该样本原始容积数据经过分割后得到的样本标记容积数据；

搭建原始三维卷积神经网络分割模型，基于所述第一样本数据集训练所述原始三维卷积神经网络分割模型，并将训练后的所述原始三维卷积神经网络分割模型确定为第一训练分割模型；

基于所述第二样本数据集调整所述第一训练分割模型，并将调整后的所述第一训练分割模型确定为第二训练分割模型；

基于确定出的损失函数计算所述第二训练分割模型的损失值，并基于所述损失值，优化所述第二训练分割模型的参数，以及将优化参数后的所述第二训练分割模型确定为三维卷积神经网络分割模型。

4.根据权利要求3所述的基于三维卷积神经网络胎儿颅脑超声结构分割方法，其特征在于，所述基于所述第二样本数据集调整所述第一训练分割模型，包括：

根据确定出的所述第二样本数据集中样本数据对的数量和所述第二样本数据集中每个样本原始容积数据的体素数量，确定单次调整所述第一训练分割模型所需的所述第二样本数据集中样本数据对的目标数量；

将从所述第二样本数据集中挑选的所述目标数量个样本数据对输入到所述第一训练分割模型中进行分析，并获取所述第一训练分割模型输出的分析结果，基于所述分析结果，调整所述第一训练分割模型，得到调整后的分割模型，并将调整后的所述分割模型更新为所述第一训练分割模型；

重新执行所述的将从所述第二样本数据集中挑选的所述目标数量个样本数据对输入到所述第一训练分割模型中进行分析，并获取所述第一训练分割模型输出的分析结果，基于所述分析结果，调整所述第一训练分割模型，得到调整后的分割模型的步骤，直到所述第一训练分割模型的总调整次数达到确定出的调整次数阈值为止；

以及，所述将调整后的所述第一训练分割模型确定为第二训练分割模型，包括：

将最后一次调整后得到的分割模型确定为第二训练分割模型。