1.一种深度学习模型的训练方法,其特征在于,包括:
将样本影像和分割模板作为训练样本输入深度学习模型进行配准,获取所述分割模板的形变场;
根据所述形变场对所述分割模板进行插值,获得形变分割模板;
确定所述形变分割模板和所述样本影像的分割金标准之间的第一损失函数值;
根据所述第一损失函数值,更新所述深度学习模型的参数。
2.根据权利要求1所述的训练方法,其特征在于,所述确定所述形变分割模板和所述样本影像的分割金标准之间的第一损失函数值,包括:
通过计算所述形变分割模板和所述样本影像的分割金标准之间的相似度,确定所述第一损失函数值。
3.根据权利要求1所述的训练方法,其特征在于,还包括:
确定所述形变场的第二损失函数值,
其中,所述根据所述第一损失函数值,更新所述深度学习模型的参数,包括:
根据所述第一损失函数值和所述第二损失函数值,更新所述深度学习模型的参数。
4.根据权利要求3所述的训练方法,其特征在于,所述根据所述第一损失函数值和所述第二损失函数值,更新所述深度学习模型的参数,包括:
根据预设权重系数,计算所述第一损失函数值和所述第二损失函数值的加权和,获得总损失函数值;
根据所述总损失函数值,更新所述深度学习模型的参数。
5.根据权利要求1至4中任一项所述的训练方法,其特征在于,所述获取所述分割模板的形变场,包括:
获取所述分割模板的x、y两个方向的形变场;或
获取所述分割模板的x、y、z三个方向的形变场。
6.根据权利要求1至4中任一项所述的训练方法,其特征在于,所述深度学习模型为u-net深度学习模型或全卷积fcn深度学习模型。
7.一种深度学习模型的应用方法,其特征在于,包括:
将待分割影像和分割模板输入深度学习模型,其中,所述深度学习模型通过样本影像和分割模板作为训练样本训练得到;
采用所述深度学习模型对所述待分割影像进行分割。
8.根据权利要求7所述的应用方法,其特征在于,所述采用所述深度学习模型对所述待分割影像进行分割,包括:
所述深度学习模型输出所述分割模板的第一形变场;
根据所述第一形变场对所述分割模板进行插值,获得第一形变分割模板;
将所述待分割影像和所述第一形变分割模板输入所述深度学习模型,获得所述第一形变分割模板的第二形变场;
根据所述第二形变场对所述第一形变分割模板进行插值,获得第二形变分割模板,其中,所述第二形变分割模板用于表征所述待分割影像的分割结果。
9.一种深度学习模型的训练装置,其特征在于,包括:
输入模块,用于将样本影像和分割模板作为训练样本输入深度学习模型进行配准,获取所述分割模板的形变场;
插值模块,用于根据所述形变场对所述分割模板进行插值,获得形变分割模板;
确定模块,用于确定所述形变分割模板和所述样本影像的分割金标准之间的第一损失函数值;
更新模块,用于根据所述第一损失函数值,更新所述深度学习模型的参数。
10.一种深度学习模型的应用装置,其特征在于,包括:
输入模块,用于将待分割影像和分割模板输入深度学习模型,其中,所述深度学习模型通过样本影像和分割模板作为训练样本训练得到;
分割模块,用于采用所述深度学习模型对所述待分割影像进行分割。