【技术实现步骤摘要】
本申请涉及医疗，具体而言，涉及一种基于医学影像的模型训练方法、装置及存储介质。
技术介绍
1、医学影像，例如ct影像、mr影像、pet影像等，常常表现出高维度和小样本的特点。其中，在涉及分类任务，比如疗效预测时，医学影像高维度的特点使得处理这些影像通常需要复杂的深度神经网络模型，这是因为深度神经网络模型具有更多的参数，从而能够有效地处理更高维度的输入影像。
2、但是，拥有更多参数的深度神经网络模型相应地需要更多的训练样本确保模型的拟合效果。然而，受限于患者隐私数据的保护，大批量的医学影像是难以获取得到的，因此仅仅是通过小样本数量的医学影像进行深度神经网络模型的训练，所训练得到的模型预测效果往往较差。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请提供了一种基于医学影像的模型训练方法、装置及存储介质，以至少解决现有技术中对于在单个预测任务上基于医学影像进行模型训练数据量不足，导致的所训练模型的预测效果较差的技术问题。
2、根据本申请的一个方面，提供了一种基于医学影像的模型训练方法，包括：获取医学影像，其中，医学影像中包括l个勾画区域，l为大于1的整数；根据每个勾画区域的尺寸和纹理形状从l个勾画区域中确定目标勾画区域；根据目标勾画区域对医学影像进行切片操作，得到医学影像对应的多个切片影像；根据切片影像对神经网络进行迭代训练，得到目标神经网络模型。
3、可选地，医学影像的数量为m个，其中，m个医学影像包括涉及不同
4、可选地，基于医学影像的模型训练方法还包括：获取切片影像的预设尺寸；检测每个勾画区域的尺寸是否小于预设尺寸，得到第一检测结果；检测每个勾画区域的纹理形状是否为具有意义的目标纹理形状，得到第二检测结果；其中，具有意义的目标纹理形状呈现出规律性的纹理变化；根据第一检测结果和第二检测结果，从l个勾画区域中确定目标勾画区域。
5、可选地，基于医学影像的模型训练方法还包括：根据第一检测结果，从l个勾画区域中确定n个备选勾画区域，其中，n为小于或等于l的正整数，备选勾画区域的尺寸小于预设尺寸；检测n个备选勾画区域中是否存在重叠度超过预设阈值的多个勾画区域，得到第三检测结果；根据第二检测结果和第三检测结果，从n个备选勾画区域中确定目标勾画区域。
6、可选地，基于医学影像的模型训练方法还包括：在第三检测结果表征n个备选勾画区域中不存在重叠度超过预设阈值的多个勾画区域的情况下，根据第二检测结果将n个备选勾画区域中包括目标纹理形状的备选勾画区域作为目标勾画区域；在第三检测结果表征n个备选勾画区域中存在重叠度超过预设阈值的备选勾画区域的情况下，对n个备选勾画区域中重叠度超过预设阈值的多个勾画区域执行过滤操作，其中，过滤操作用于仅保留重叠度超过预设阈值的多个勾画区域中的尺寸最小的勾画区域；将完成过滤操作之后剩余的所有备选勾画区域中的包括目标纹理形状的备选勾画区域作为目标勾画区域。
7、可选地，基于医学影像的模型训练方法还包括：在医学影像为单模态影像的情况下，依据第一切片策略对医学影像进行切片操作，得到医学影像对应的多个切片影像，其中，第一切片策略用于约束切片操作所得的多个切片影像之间的影像重合度低于第一阈值，并且每个切片影像中需要包括目标勾画区域的部分区域。
8、可选地，基于医学影像的模型训练方法还包括：在医学影像为多模态影像的情况下，依据第一切片策略和第二切片策略对医学影像进行切片操作，得到医学影像对应的多个切片影像，其中，第二切片策略用于基于医学影像的第i个模态影像确定k个切片影像，以及基于医学影像的第j个模态影像确定h个切片影像，其中，第i个模态影像和第j个模态影像为医学影像的任意两个不同的模态影像，k和h均为大于或等于1的整数。
9、可选地，基于医学影像的模型训练方法还包括：对切片影像进行数据增强操作；通过神经网络中的编码器对完成数据增强操作之后的切片影像进行编码，得到切片影像对应的编码向量，其中，编码向量用于表征编码器从切片影像中提取的影像特征；通过神经网络中的解码器依据编码向量确定切片影像对应的预测向量，其中，预测向量表征解码器依据编码向量生成的预测信息；根据每个切片影像对应的编码向量和预测向量确定神经网络的损失函数值；根据损失函数值对神经网络的编码器和解码器进行迭代训练，得到目标神经网络模型。
10、可选地，基于医学影像的模型训练方法还包括：根据每个切片影像对应的编码向量和预测向量对医学影像对应的多个切片影像进行多次目标操作，其中，目标操作用于通过确定不同的切片影像之间的共性特征信息和差异性信息；根据多次目标操作的操作结果确定神经网络的损失函数值。
11、可选地，目标操作包括以下步骤：从医学影像对应的多个切片影像中选取一个切片影像作为第一切片影像；将医学影像对应的多个切片影像中除第一切片影像之外的每个切片影像作为第二切片影像；计算第一切片影像的预测向量和每个第二切片影像对应的编码向量之间的最大化负余弦相似度；通过最大化负余弦相似度表征第一切片影像与每个第二切片影像之间的共性特征信息和差异性信息。
12、可选地，基于医学影像的模型训练方法还包括：在医学影像为单模态影像的情况下，多次目标操作用于确定单模态影像中不同的切片影像之间的共性特征信息和差异性信息；在医学影像为多模态影像的情况下，多次目标操作用于确定同一模态影像对应的至少两个切片影像之间的共性特征信息和差异性信息，以及不同模态影像对应的至少两个切片影像之间的共性特征信息和差异性信息。
13、可选地，数据增强操作包括以下至少一种操作：影像翻转操作，用于对切片影像进行随机角度的翻转变换；影像旋转操作，用于对切片影像进行随机角度的旋转变换；影像噪声操作，用于对切片影像进行噪声信息的增加或者过滤；影像模糊操作，用于降低切片影像的清晰度。
14、根据本申请的另一方面，还提供了一种基于医学影像的模型训练装置，其中，包括：获取单元，用于获取医学影像，其中，医学影像中包括l个勾画区域，l为大于1的整数；确定单元，用于根据每个勾画区域的尺寸和纹理形状从l个勾画区域中确定目标勾画区域；切片操作单元，用于根据目标勾画区域对医学影像进行切片操作，得到医学影像对应的多个切片影像；训练单元，用于根据切片影像对神经网络进行迭代训练，得到目标神经网络模型。
15、根据本申请的另一方面，还提供了一种电子设备，其中，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述任意一项的基于医学影像的模型训练方法。
16、根据本申请的另一方面，还提供了一种计算机可读存储介质，其中，计算机可读存储介质中存储有计算机程序，其中，在计算机程序运行时，使得计算机可读存储介质所在设备执行上述任意一项的基于医学影像的模型训练方法。
17、在本本文档来自技高网...
【技术保护点】
1.一种基于医学影像的模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，所述医学影像的数量为M个，其中，M个所述医学影像包括涉及不同病种、不同器官部位以及不同医学应用的医学影像。
3.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，根据所述第一检测结果和所述第二检测结果，从所述L个勾画区域中确定所述目标勾画区域，包括：
4.根据权利要求3所述的基于医学影像的模型训练方法，其特征在于，根据所述第二检测结果和所述第三检测结果，从所述N个备选勾画区域中确定所述目标勾画区域，包括：
5.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，根据所述目标勾画区域对所述医学影像进行切片操作，得到所述医学影像对应的多个切片影像，包括：
6.根据权利要求5所述的基于医学影像的模型训练方法，其特征在于，根据所述目标勾画区域对所述医学影像进行切片操作，得到所述医学影像对应的多个切片影像，包括：
7.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，根据所
8.根据权利要求7所述的基于医学影像的模型训练方法，其特征在于，根据每个所述切片影像对应的编码向量和预测向量确定所述神经网络的损失函数值，包括：
9.根据权利要求8所述的基于医学影像的模型训练方法，其特征在于，所述目标操作包括以下步骤：
10.根据权利要求8所述的基于医学影像的模型训练方法，其特征在于，基于医学影像的模型训练方法还包括：
11.根据权利要求7所述的基于医学影像的模型训练方法，其特征在于，所述数据增强操作包括以下至少一种操作：
12.一种基于医学影像的模型训练装置，其特征在于，包括：
13.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1至11中任意一项所述的基于医学影像的模型训练方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，在所述计算机程序运行时，使得所述计算机可读存储介质所在设备执行权利要求1至11中任意一项所述的基于医学影像的模型训练方法。
...【技术特征摘要】
1.一种基于医学影像的模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，所述医学影像的数量为m个，其中，m个所述医学影像包括涉及不同病种、不同器官部位以及不同医学应用的医学影像。
3.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，根据所述第一检测结果和所述第二检测结果，从所述l个勾画区域中确定所述目标勾画区域，包括：
4.根据权利要求3所述的基于医学影像的模型训练方法，其特征在于，根据所述第二检测结果和所述第三检测结果，从所述n个备选勾画区域中确定所述目标勾画区域，包括：
5.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，根据所述目标勾画区域对所述医学影像进行切片操作，得到所述医学影像对应的多个切片影像，包括：
6.根据权利要求5所述的基于医学影像的模型训练方法，其特征在于，根据所述目标勾画区域对所述医学影像进行切片操作，得到所述医学影像对应的多个切片影像，包括：
7.根据权利要求1所述的基于医学影像的模型训练方法，其特征在于，根据所述切片影像对神经网络进行迭代训练，得到目标神经网络模型，...
【专利技术属性】
技术研发人员：周琦超，刘骁，
申请(专利权)人：福建自贸试验区厦门片区Manteia数据科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。