[發明專利]分類訓練和檢測的方法與裝置

在審

• 申請號: 201910810538.1
• 申請日: 2019-08-29
• 公開（公告）號: CN110610488A
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 劉維平;房劬
• 申請（專利權）人: 上海杏脈信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 11655 北京啟坤知識產權代理有限公司
• 代理人: 趙晶

1.一種模型訓練方法，其中，該方法包括：

針對一具有特定發病位置的病種，將分別指示所述病種為陽性和陰性的正負樣本圖像輸入至分類網絡，以對所述分類網絡進行訓練；

其中，所述正負樣本圖像均被屏蔽與所述發病位置所屬的目標區域無關的區域；

獲得訓練好的所述分類網絡，其分類檢測結果指示所述病種為陽性或陰性。

2.根據權利要求1所述的方法，其中，所述屏蔽操作具體包括：

保留所述目標區域的灰度值，將所述正負樣本圖像中其他區域的灰度值設為“0”。

3.根據權利要求1或2所述的方法，其中，所述正負樣本圖像中的所述目標區域通過圖像分割模型來識別。

4.根據權利要求1至3中任一項所述的方法，其中，所述分類網絡為基于深度學習的分類網絡。

5.一種對具有特定發病位置的病種進行檢測的方法，其中，該方法包括：

針對一具有特定發病位置的病種，將第一人體醫學影像輸入對應的圖像分割模型，以獲得所述發病位置所屬的目標區域的掩膜；

利用所述目標區域的掩膜，屏蔽所述第一人體醫學影像中的無關區域；

將經屏蔽無關區域后的所述第一人體醫學影像輸入所述病種的分類網絡，以獲得所述病種的分類檢測結果，所述分類檢測結果指示所述病種為陽性或陰性；

其中，所述分類網絡通過輸入經所述目標區域的掩膜屏蔽無關區域后的正負樣本圖像來訓練獲得，其中正樣本圖像指示所述病種為陽性，負樣本圖像指示所述病種為陰性。

6.一種模型訓練裝置，其中，該裝置包括：

訓練裝置，用于針對一具有特定發病位置的病種，將分別指示所述病種為陽性和陰性的正負樣本圖像輸入至分類網絡來對所述分類網絡進行訓練，獲得訓練好的所述分類網絡，其分類檢測結果指示所述病種為陽性或陰性；

其中，所述正負樣本圖像均被屏蔽與所述發病位置所屬的目標區域無關的區域。

7.一種對具有特定發病位置的病種進行檢測的裝置，其中，該裝置包括：

分割裝置，用于針對一具有特定發病位置的病種，將第一人體醫學影像輸入對應的圖像分割模型，以獲得所述發病位置所屬的目標區域的掩膜；

屏蔽裝置，用于利用所述目標區域的掩膜，屏蔽所述第一人體醫學影像中的無關區域；

分類裝置，用于將經屏蔽無關區域后的所述第一人體醫學影像輸入所述病種的分類網絡，以獲得所述病種的分類檢測結果，所述分類檢測結果指示所述病種為陽性或陰性；

其中，所述分類網絡通過輸入經所述目標區域的掩膜屏蔽無關區域后的正負樣本圖像來訓練獲得，其中正樣本圖像指示所述病種為陽性，負樣本圖像指示所述病種為陰性。

8.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，所述處理器執行所述計算機程序時實現如權利要求1至4中任一項所述的方法或如權利要求5所述的方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其中，所述計算機程序被處理器執行時實現如權利要求1至4中任一項所述的方法或如權利要求5所述的方法。

10.一種計算機程序產品，當所述計算機程序產品被計算機設備執行時實現如權利要求1至4中任一項所述的方法或如權利要求5所述的方法。