[發明專利]病灶分類模型訓練方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010115041.0
• 申請日: 2020-02-25
• 公開（公告）號: CN111291825A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 甘偉焜;詹維偉;張璐;陳超;黃凌云;劉玉宇
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06T7/00
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明提供一種病灶分類模型訓練方法、裝置、計算機設備和存儲介質，病灶分類模型訓練方法包括：獲取樣本數據集，所述樣本數據集包含若干分別標注有病灶區的樣本圖片，且各所述病灶區分別標記有對應的分類標簽；對各所述病灶區進行局部圖像信息采集處理，得到各所述病灶區的局部圖像信息；對各所述病灶區進行全局圖像信息采集處理，得到各所述病灶區的全局圖像信息；利用各所述病灶區的所述局部圖像信息和全局圖像信息、以及各所述病灶區對應的分類標簽，對預先建立的具有雙輸入通道的病灶分類模型進行訓練，得到目標病灶分類模型。本發明能夠在實現病灶準確分類的前提下，降低對樣本數據量的要求。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種病灶分類模型訓練方法、裝置、計算機設備和存儲介質。

背景技術

傳統地，對于疾病的判斷基本是醫生人工判斷來實現的，而人工判斷耗時長、涉及過程多，并且需要根據病灶的多種指標，如是否鈣化、是否為囊性、回聲水平等一系列指標來綜合診斷，診斷的結果不容易量化同時也很依賴醫生自身的經驗，在實際診斷過程中容易發生判斷錯誤的情況。

隨著醫學和計算機圖像處理技術的飛速發展，醫學圖像自動識別診斷是當前計算機圖像技術和醫學圖像交叉領域研究的熱點。利用計算機圖像處理技術完成對超聲影像的輔助診斷，主要是通過構造快速、正確率高的分類器，協助醫生對病灶區進行良惡性診斷。

良惡性的診斷在某種程度上屬于分類問題，現有的病灶分類方法通過將標注有病灶區域的圖像輸入預先訓練的病灶分類模型實現。然而，病灶區域尺寸相差較大，反映在超聲影像中病灶區域的像素點數可以從幾百到幾萬不等(而病灶區域的良惡性程度與病灶區的尺寸無直接關系)，然而，由于現有的病灶分類模型都是單輸入通道，單輸入通道病灶分類模型的分類效果容易受到圖像尺寸的影響，所以在處理尺寸范圍較大的數據時往往效果較差。為了解決這個問題，現有的方法是針對不同病灶尺寸范圍單獨建立模型，然而，每個單獨的模型分別需要對應尺度的樣本進行訓練，導致對樣本數據量的需求提高。

發明內容

針對上述現有技術的不足，本發明的目的在于提供一種病灶分類模型訓練方法、裝置、計算機設備和存儲介質，以在實現病灶準確分類的前提下，降低對樣本數據量的要求。

為了實現上述目的，本發明提供一種病灶分類模型訓練方法，包括：

獲取樣本數據集，所述樣本數據集包含若干分別標注有病灶區的樣本圖片，且各所述病灶區分別標記有對應的分類標簽；

對各所述病灶區進行局部圖像信息采集處理，得到各所述病灶區的局部圖像信息；

對各所述病灶區進行全局圖像信息采集處理，得到各所述病灶區的全局圖像信息；

利用各所述病灶區的所述局部圖像信息和全局圖像信息、以及各所述病灶區對應的分類標簽，對預先建立的具有雙輸入通道的病灶分類模型進行訓練，得到目標病灶分類模型。

在本發明一個實施例中，所述局部圖像信息采集處理包括：

以所述病灶區的最上點、最下點、最左點和最右點為基準，構造病灶矩形框；

在所述病灶區的鄰域，多次隨機移動所述病灶矩形框，并將每次移動后的所述病灶矩形框內的圖像信息作為所述病灶區的局部圖像信息。

在本發明一個實施例中，在所述病灶區的鄰域，多次隨機移動所述病灶矩形框之前，所述局部圖像信息采集處理還包括：

以所述病灶矩形框的中心為基準，將所述病灶矩形框按預設的放大比例進行放大。

在本發明一個實施例中，所述全局圖像信息采集處理包括：

按尺寸大小將各所述病灶區分為第一類病灶區、第二類病灶區和第三類病灶區，其中第一類病灶區、第二類病灶區和第三類病灶區的尺寸依次減小；