用于消化道穿孔分割模型的训练方法、识别方法及装置与流程

本申请涉及医学图像处理领域，具体而言，涉及一种用于消化道穿孔分割模型的训练方法、识别方法及装置。

背景技术：

1、目前，在消化道穿孔的诊断很大程度上取决于影像学检查，正确诊断穿孔的存在、穿孔程度和引起穿孔的原因对于适当的患者管理和手术计划是非常重要的。随着ct（computed tomography，计算机断层扫描）成像技术的不断发展，使得在一次屏气中使用薄片ct检查整个腹部成为可能。综上所述，需要一种通过ct图像来快速、准确地进行消化道穿孔分割技术实现消化道穿孔的识别。

2、为了，相关技术公开了一种基于深度学习的消化道穿孔检测的方法，通过网络模型network判断医学影像中是否有游离气体来判断是否存在消化道穿孔。由于气体在医学图像中的亨氏单位值（即hu值）低于人体组织结构，因此通过设置hu值可以初步判断影响中是否存在游离气体，并实现图像标注。

3、在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

4、相关技术虽然能够识别游离气体，但是网络模型network的输出结果仅为0和1，并不能给出游离气体的具体分布位置，对后续消化道穿孔诊断提供的参考价值并不大。并且，由于导致穿孔的原因不同，消化道穿孔的表征也是不同的，仅通过游离气体判断是否存在消化道穿孔可能会导致判断的准确率低。

5、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

2、本公开实施例提供了一种用于消化道穿孔分割模型的训练方法、识别方法及装置，能够提高消化道穿孔识别的准确性。

3、在一些实施例中，用于消化道穿孔分割模型的训练方法包括：根据消化道穿孔标记数据和与消化道穿孔标记数据相对应的标签，获取网络模型输出的预测值；根据消化道穿孔未标记数据，获取消化道穿孔未标记数据所对应的伪优化标签；其中，不同伪优化标签的变化方向一致；根据预测值和伪优化标签，对网络模型进行训练，获得消化道穿孔分割模型。

4、可选地，根据消化道穿孔未标记数据，获取消化道穿孔未标记数据所对应的伪优化标签，包括：获得网络模型输出的伪初始标签；获取伪初始标签中的体素；根据伪初始标签的置信度，对伪初始标签中的体素赋予权重，获得伪优化标签。

5、可选地，根据消化道穿孔未标记数据，获取消化道穿孔未标记数据所对应的伪优化标签，包括：获得网络模型输出的伪初始标签；根据cosine距离损失函数，计算多个伪初始标签的相似度；根据相似度，对多个伪初始标签进行正则化约束，获得伪优化标签。

6、可选地，按照如下方式获得消化道穿孔未标记数据：对消化道穿孔标记数据进行多种数据增强变换，获得多个消化道穿孔未标记数据。

7、可选地，根据预测值和伪优化标签，对网络模型进行训练，获得消化道穿孔分割模型，包括：将预测值分别与多个伪优化标签组合，获得多个组合标签；分别利用多个组合标签对网络模型进行伪监督损失优化，获得多个训练模型；在多个训练模型中选取分割效果最优的训练模型作为消化道穿孔分割模型。

8、可选地，分别利用多个组合标签对网络模型进行伪监督损失优化，获得多个训练模型，包括：根据损失函数，分别计算多个组合标签中的预测值和伪标签的综合损失；根据多个数据组中的预测值和伪标签的综合损失，分别更新多个网络模型的参数，获得多个训练模型。

9、可选地，获得多个训练模型的方法还包括：根据损失函数，分别计算多个组合标签中的预测值的损失；根据预测值的损失，分别更新网络模型的参数，获得多个训练模型。

10、在一些实施例中，用于消化道穿孔的识别方法，包括：获取待识别的医学消化道图像；将待识别的医学消化道图像输入如上述的消化道穿孔分割模型，获得消化道穿孔的预测结果；在经过识别的医学消化道图像中标注预测结果；基于经过标注的医学消化道图像，生成诊断报告。

11、在一些实施例中，用于消化道穿孔的识别装置包括：存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述的用于消化道穿孔分割模型的训练方法，或者，上述的用于消化道穿孔的识别方法。

12、在一些实施例中，所述医疗装置包括：医疗装置本体；和，如上述的用于消化道穿孔的识别装置，安装于医疗装置本体。

13、本公开实施例提供的用于消化道穿孔分割模型的训练方法、识别方法及装置，可以实现以下技术效果：

14、在本公开实施例中，由于导致消化道穿孔的多种原因，以及不同组织结构穿孔可能出现不同表征，因此采用有监督分割和无监督分割的分类分割方法，这样可以分割出消化道穿孔的不同表征，为后续分析产生消化道穿孔的可能原因提供参考。对部分数据进行标注，该部分数据应包括所有可能出现的消化道穿孔表征，包括腹腔内不同穿孔位置的医学图像，形成半监督模型的训练集。这样，可以利用大量消化道穿未标记数据，在较少标注工作量的同时保证了模型的准确率。进一步地，使用图像分割的方法，可以定位消化道穿孔表征的具体分布位置和穿孔大小，并根据穿孔情况为后续分析消化道穿孔的严重程度提供参考。

15、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

技术特征：

1.一种用于消化道穿孔分割模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的训练方法，其特征在于，根据消化道穿孔未标记数据，获取消化道穿孔未标记数据所对应的伪优化标签，包括：

3.根据权利要求1所述的训练方法，其特征在于，根据消化道穿孔未标记数据，获取消化道穿孔未标记数据所对应的伪优化标签，包括：

4.根据权利要求1所述的训练方法，其特征在于，按照如下方式获得消化道穿孔未标记数据：

5.根据权利要求1所述的训练方法，其特征在于，根据预测值和伪优化标签，对网络模型进行训练，获得消化道穿孔分割模型，包括：

6.根据权利要求5所述的训练方法，其特征在于，分别利用多个组合标签对网络模型进行伪监督损失优化，获得多个训练模型，包括：

7.根据权利要求5所述的训练方法，其特征在于，获得多个训练模型的方法还包括：

8.一种用于消化道穿孔的识别方法，其特征在于，包括：

9.一种用于消化道穿孔的识别装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行：如权利要求1至7任一项所述的用于消化道穿孔分割模型的训练方法，或者，如权利要求8所述的用于消化道穿孔的识别方法。

10.一种医疗装置，其特征在于，包括：

技术总结
本申请涉及医学图像处理领域，公开一种用于消化道穿孔分割模型的训练方法、识别方法及装置。训练方法包括：根据消化道穿孔标记数据和与消化道穿孔标记数据相对应的标签，获取网络模型输出的预测值；根据消化道穿孔未标记数据，获取消化道穿孔未标记数据所对应的伪优化标签；其中，不同伪优化标签的变化方向一致；根据预测值和伪优化标签，对网络模型进行训练，获得消化道穿孔分割模型。能够识别消化道穿孔的具体分布位置和表征，也提高了消化道穿孔识别的准确性。

技术研发人员：郭丽婷
受保护的技术使用者：东软医疗系统股份有限公司
技术研发日：
技术公布日：2024/12/2