[發(fā)明專利]分類訓(xùn)練和檢測(cè)的方法與裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910810538.1
• 申請(qǐng)日: 2019-08-29
• 公開（公告）號(hào): CN110610488A
• 公開（公告）日: 2019-12-24
• 發(fā)明（設(shè)計(jì)）人: 劉維平;房劬
• 申請(qǐng)（專利權(quán)）人: 上海杏脈信息科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62
• 代理公司: 11655 北京啟坤知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 趙晶

本發(fā)明針對(duì)一具有特定發(fā)病位置的病種，將第一人體醫(yī)學(xué)影像輸入對(duì)應(yīng)的圖像分割模型，以獲得所述發(fā)病位置所屬的目標(biāo)區(qū)域的掩膜；利用所述目標(biāo)區(qū)域的掩膜，屏蔽所述第一人體醫(yī)學(xué)影像中的無(wú)關(guān)區(qū)域；將經(jīng)屏蔽無(wú)關(guān)區(qū)域后的所述第一人體醫(yī)學(xué)影像輸入所述病種的分類網(wǎng)絡(luò)，以獲得所述病種的分類檢測(cè)結(jié)果，所述分類檢測(cè)結(jié)果指示所述病種為陽(yáng)性或陰性。與現(xiàn)有技術(shù)相比，本發(fā)明利用目標(biāo)區(qū)域的掩膜來(lái)屏蔽人體胸部醫(yī)學(xué)影像中的無(wú)關(guān)區(qū)域，進(jìn)而對(duì)經(jīng)屏蔽的影像通過(guò)分類網(wǎng)絡(luò)來(lái)進(jìn)行對(duì)應(yīng)病種的分類檢測(cè)。這通過(guò)排除無(wú)關(guān)的干擾信息有效提升了對(duì)具有特定發(fā)病位置的病種的分類檢測(cè)性能。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，尤其涉及一種對(duì)具有特定發(fā)病位置的病種進(jìn)行檢測(cè)的技術(shù)。

背景技術(shù)

現(xiàn)有技術(shù)中，通過(guò)X光造影對(duì)很多病種的診斷仍需依靠人工閱片。這對(duì)醫(yī)生的個(gè)人經(jīng)驗(yàn)與能力有較高要求；同時(shí)，人工閱片也存在成本高、耗時(shí)長(zhǎng)、易受醫(yī)生狀態(tài)等人為因素干擾等問(wèn)題。

隨著人工智能，特別是深度學(xué)習(xí)領(lǐng)域的快速發(fā)展，已有大量研究人員嘗試通過(guò)該類技術(shù)幫助解決醫(yī)學(xué)影像的診斷問(wèn)題。對(duì)于病種檢測(cè)，若直接以X光胸片影像作為輸入，常規(guī)的多分類網(wǎng)絡(luò)(如Inception、ResNet等)并不能得到理想結(jié)果。上述問(wèn)題的原因在于，該類方法并未充分考慮不同病種的影像判定標(biāo)準(zhǔn)，導(dǎo)致大量無(wú)關(guān)干擾被錯(cuò)誤引入。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種對(duì)具有特定發(fā)病位置的病種進(jìn)行分類訓(xùn)練和檢測(cè)的方法、裝置以及計(jì)算設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)與計(jì)算機(jī)程序產(chǎn)品。

根據(jù)本發(fā)明的一個(gè)方面，提供了一種模型訓(xùn)練方法，其中，該方法包括：

針對(duì)一具有特定發(fā)病位置的病種，將分別指示所述病種為陽(yáng)性和陰性的正負(fù)樣本圖像輸入至分類網(wǎng)絡(luò)，以對(duì)所述分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

其中，所述正負(fù)樣本圖像均被屏蔽與所述發(fā)病位置所屬的目標(biāo)區(qū)域無(wú)關(guān)的區(qū)域；

獲得訓(xùn)練好的所述分類網(wǎng)絡(luò)，其分類檢測(cè)結(jié)果指示所述病種為陽(yáng)性或陰性。

根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種用于對(duì)具有特定發(fā)病位置的病種進(jìn)行檢測(cè)的方法，其中，該方法還包括：

針對(duì)一具有特定發(fā)病位置的病種，將第一人體醫(yī)學(xué)影像輸入對(duì)應(yīng)的圖像分割模型，以獲得所述發(fā)病位置所屬的目標(biāo)區(qū)域的掩膜；

利用所述目標(biāo)區(qū)域的掩膜，屏蔽所述第一人體醫(yī)學(xué)影像中的無(wú)關(guān)區(qū)域；

將經(jīng)屏蔽無(wú)關(guān)區(qū)域后的所述第一人體醫(yī)學(xué)影像輸入所述病種的分類網(wǎng)絡(luò)，以獲得所述病種的分類檢測(cè)結(jié)果，所述分類檢測(cè)結(jié)果指示所述病種為陽(yáng)性或陰性；

其中，所述分類網(wǎng)絡(luò)通過(guò)輸入經(jīng)所述目標(biāo)區(qū)域的掩膜屏蔽無(wú)關(guān)區(qū)域后的正負(fù)樣本圖像來(lái)訓(xùn)練獲得，其中正樣本圖像指示所述病種為陽(yáng)性，負(fù)樣本圖像指示所述病種為陰性。

根據(jù)本發(fā)明的一個(gè)方面，還提供了一種模型訓(xùn)練裝置，其中，該裝置包括：

訓(xùn)練裝置，用于針對(duì)一具有特定發(fā)病位置的病種，將分別指示所述病種為陽(yáng)性和陰性的正負(fù)樣本圖像輸入至分類網(wǎng)絡(luò)來(lái)對(duì)所述分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得訓(xùn)練好的所述分類網(wǎng)絡(luò)，其分類檢測(cè)結(jié)果指示所述病種為陽(yáng)性或陰性；

其中，所述正負(fù)樣本圖像均被屏蔽與所述發(fā)病位置所屬的目標(biāo)區(qū)域無(wú)關(guān)的區(qū)域。

根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種用于對(duì)具有特定發(fā)病位置的病種進(jìn)行檢測(cè)的裝置，其中，該裝置包括：

分割裝置，用于針對(duì)一具有特定發(fā)病位置的病種，將第一人體醫(yī)學(xué)影像輸入對(duì)應(yīng)的圖像分割模型，以獲得所述發(fā)病位置所屬的目標(biāo)區(qū)域的掩膜；

屏蔽裝置，用于利用所述目標(biāo)區(qū)域的掩膜，屏蔽所述第一人體醫(yī)學(xué)影像中的無(wú)關(guān)區(qū)域；