一种分割模型训练数据集的处理方法及相关装置

本申请公开了一种分割模型训练数据集的处理方法及相关装置。首先可以将历史医学影像数据集，根据目标层厚将样本划分为待拆分数据集、待插值数据集和基础保留数据集。对于待拆分影像样本，通过解析其DICOM文件获取每层切片索引，并结合目标层厚与原始层厚确定其子影像拆分数量，并采用轮询拆分的方式，将一个待拆分影像样本细分为多个包含至少一层切片的子影像集合。这种精细化处理避免了传统降采样合并多层时导致的层间细节丢失，最大限度保留了影像的空间结构和解剖细节。最后，结合子影像集合、待插值数据集和基础保留数据集共同构建训练数据集。由此不仅减少了信息失真，也提升了模型对细节特征的学习能力。