资源类型：
申请人：
首都医科大学宣武医院
;
中国科学院计算机网络信息中心
;
当前专利权人：
首都医科大学宣武医院
;
中国科学院计算机网络信息中心
;
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明涉及一种用于训练脑影像分割模型的方法，包括：获取脑影像数据集；利用多个分析软件对脑影像进行分割，获得多组机器标签；对部分脑影像进行人工标注，以获得人工标签；以及基于脑影像数据集及相关联的标签，通过循环执行以下步骤来迭代训练待训练的分割模型，得到目标分割模型：将脑影像输入至待训练的分割模型，以获得预测的分割结果；根据单个体素的机器标签之间的一致性，确定标签的权重；根据预测的分割结果与各个标签的差异以及权重来计算损失函数值；基于损失函数值最小化来调节待训练的分割模型的网络参数，得到当前迭代的分割模型；其中单个体素的机器标签的权重与一致性负相关。本发明还涉及分割脑影像的方法和脑影像分割装置。
主权项：
1.一种用于训练脑影像分割模型的方法，包括以下步骤： （a）获取脑影像数据集； （b）利用多个脑影像分析软件对所述脑影像数据集中的每个脑影像进行分割，以获得包括多组机器标签的脑影像数据； （c）对所述脑影像数据集中的部分脑影像进行人工标注，以使得部分脑影像数据包括人工标签；以及 （d）基于所述脑影像数据集及相关联的标签，来通过循环执行以下步骤对待训练的脑影像分割模型进行迭代训练，得到目标脑影像分割模型： （d1）将所述脑影像数据集中的脑影像输入至所述待训练的脑影像分割模型中，以获得预测的脑影像分割结果； （d2）根据所述脑影像的单个体素的所有机器标签之间的一致性，确定所述单个体素的所有标签在损失函数中的权重，所述脑影像数据集中的脑影像包括X个体素，每个体素具有k个标签，所述损失函数为：， 其中是所述脑影像分割模型为第个体素预测的脑影像分割结果，是第个体素的第个标签，是第个体素的第个标签在损失函数中的权重，表示根据和计算的损失，=1，2，……，，并且=1，2，……，； 所述脑影像数据集中的脑影像被分割为N个区域，所述单个体素具有M个机器标签，并且存在mj个机器标签将第x个体素分配在第j个区域，其中， 第x个体素的机器标签的一致性为： ， 其中； （d3）根据所述预测的脑影像分割结果分别与所述脑影像的各个标签的差异以及所述权重来计算损失函数值；以及 （d4）基于所述损失函数值最小化来调节所述待训练的脑影像分割模型的网络参数，得到当前迭代的脑影像分割模型； 其中所述单个体素的所有机器标签在损失函数中的权重与所述一致性负相关，所述单个体素的人工标签在损失函数中的权重与所述一致性正相关。
