[发明专利]医学图像分割模型的生成方法及装置、系统

权利要求书

1.一种医学图像分割模型的生成方法，其特征在于，包括：

获取训练医学图像分割模型的数据集，其中，所述数据集包括：医学图像，以及所述医学图像对应的标签；

将所述数据集输入至神经网络模型进行训练，得到训练完成的所述医学图像分割模型；

对训练完成的所述医学图像分割模型的效果进行评估，依据评估结果生成目标医学图像分割模型；

将所述目标医学图像分割模型部署在医学图像处理平台，以实现对待分割的医学图像进行分割处理。

2.根据权利要求1所述的方法，其特征在于，将所述数据集输入至神经网络模型进行训练之前，所述方法还包括：

通过对所述标签中的器官命名进行修正的方式对所述数据集进行清洗处理，得到清洗之后的数据集；

将所述清洗之后的数据集划分为如下三部分数据：验证数据、训练数据以及测试数据，其中，所述训练数据用于训练所述医学图像分割模型，所述验证数据用于在训练过程中监测所述医学图像分割模型的训练效果，所述测试数据用于评价训练完成的所述医学图像分割模型。

3.根据权利要求2所述的方法，其特征在于，将所述清洗之后的数据集划分之后，所述方法还包括：

对所述训练数据进行标准化处理，得到标准化处理之后的训练数据；

对所述标准化处理之后的训练数据进行数据采样，得到采样数据；

对所述采样数据进行数据增强处理，得到增强处理之后的训练数据。

4.根据权利要求3所述的方法，其特征在于，对所述训练数据进行标准化处理，包括：

将所述医学图像的方向矩阵归一化为单位矩阵；

将所述医学图像的体素间距在X轴、Y轴和Z轴方向分别归一化为预设长度；

对所述医学图像的像素值进行归一化处理。

5.根据权利要求3所述的方法，其特征在于，对所述标准化处理之后的训练数据进行数据采样，包括：

基于均匀采样法和标签平衡采样法对所述标准化处理之后的训练数据进行数据采样。

6.根据权利要求5所述的方法，其特征在于，基于均匀采样法对所述标准化处理之后的训练数据进行数据采样，包括：

从所述标准化处理之后的训练数据中随机选择一张医学图像；

在所述随机选择的医学图像中随机截取多个大小相同的区域；

将随机截取的所述多个大小相同的区域与其对应的标签作为所述采样数据。

7.根据权利要求5所述的方法，其特征在于，基于标签平衡采样法对所述标准化处理之后的训练数据进行数据采样，包括：

统计所述标准化处理之后的训练数据中每张医学图像中各类标签的分布比例；

依据所述分布比例进行标签平衡采样。

8.根据权利要求3所述的方法，其特征在于，对所述采样数据进行数据增强处理，包括：

通过如下至少之一方法对所述采样数据中的医学图像进行变换：翻转、尺度缩放、旋转、随机噪声、弹性形变。

9.根据权利要求3所述的方法，其特征在于，将所述数据集输入至神经网络模型进行训练，包括：

确定所述神经网络模型；

将所述增强处理之后的训练数据输入至所述神经网络模型进行训练；

在训练过程中，利用学习率和损失函数对神经网络模型的参数进行优化，其中，所述学习率用于控制所述神经网络模型的参数的更新幅度。

10.根据权利要求1所述的方法，其特征在于，对训练完成的所述医学图像分割模型的效果进行评估，包括：

利用模型预测输出结果和金标准之间的Dice系数或者Hausdorff距离对训练完成的所述医学图像分割模型的效果进行评估，其中，所述模型预测输出结果是利用训练完成的所述医学图像分割模型对待分割医学图像进行分割处理，得到的结果；所述金标准是对所述待分割医学图像进行分割处理的标准分割结果。