[發明專利]一種醫學影像輔助診斷及半監督樣本生成系統

在審

• 申請號: 201710737538.4
• 申請日: 2017-08-24
• 公開（公告）號: CN107563383A
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 程國華;徐攀;何林陽;謝瑋宜;季紅麗
• 申請（專利權）人: 杭州健培科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62;G06N3/08;G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，包括如下步驟：

a) 結節檢測：利用現有基于深度學習的肺結節自動檢測模塊，對CT影像序列進行結節檢測，得到所有疑似肺結節的位置；

b) 醫生指導：將肺結節檢測結果可視化輸出到醫生端，醫生對漏檢的結節內部標記關注點，剔除錯檢的疑似結節，并將關注點坐標反饋至語義標注生成模塊；

c) 語義標注生成：根據醫生標記的關注點，提取感興趣區域，利用語義標注生成模塊，生成感興趣區域肺結節的語義標注；

d) 樣本生成：將生成的語義標注反饋到醫生端，醫生判斷生成的語義標注是否合格并對結果進行必要的調整，將醫生反饋后的樣本存入樣本庫；

e) 在線學習：基于深度學習的結節檢測模塊、語義分割模塊提取樣本庫中的樣本，利用新樣本在線更新模型參數，不斷迭代模型，達到更好的效果。

2.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟b）中，醫生根據臨床經驗，剔除錯檢的疑似肺結節，在漏檢的結節內部標記一個關注點，而無須對結節半徑、輪廓進行標注。

3.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟b）中，將醫生根據臨床經驗標記的關注點坐標反饋至語義標注生成模塊，利用醫生標記的關注點對語義標注生成模塊進行半監督式少量指導。

4.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟c）中，只需根據醫生標記的關注點，提取感興趣區域，而無須利用結節半徑、輪廓等信息。

5.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟c）中語義標注生成模塊，是指利用基于深度學習的語義分割模型生成感興趣區域的語義標注。

6.如權利要求5所述的基于深度學習的語義分割模型，其特征在于，利用全卷積神經網絡對感興趣區域的肺結節提取多種尺度的卷積特征；融合感興趣區域的肺結節多尺度卷積特征，利用全卷積神經網絡進行特征重構；其最終結果為關注點處肺結節的語義標注，含有肺結節精確的輪廓以及肺結節的征象，即鈣化區域、毛刺和棘突區域、空洞和空泡區域、分葉區域。

7.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟b)-d）形成閉環互動，是指醫生通過對結節檢測結果經過少量指導，再根據醫生的指導結果進行語義標注，然后將語義標注結果反饋至醫生，醫生對該結果進行評價和微調并反饋至樣本庫。

8.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟d）中，將醫生判斷合格的語義標注存入樣本庫；將不準確的語義標注經醫生調整后合格的樣本存入樣本庫。

9.如權利要求1所述的一種醫學影像輔助診斷及半監督樣本生成系統，其特征在于，所述步驟e）中，基于深度學習的肺結節檢測模塊、語義標注生成模塊具有在線學習新樣本的功能，可以不斷利用半監督樣本生成系統所生成的樣本更新內部模型參數，獲得更優的性能。