[發明專利]醫學圖像樣本篩查方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010468690.9
• 申請日: 2020-05-28
• 公開（公告）號: CN111666993A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 王俊;高鵬
• 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;G16H30/40;G16H50/20
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 陳英俊;董永輝

1.一種醫學圖像樣本篩查方法，其特征在于，用于對未標注的醫學圖像樣本進行智能篩查，包括如下步驟：

選取針對當前醫療影像病灶目標檢測任務的初始已標注樣本集L，利用Mask-RCNN模型對所述初始已標注樣本集L進行模型訓練，以獲取當前醫療影像病灶目標檢測的病灶目標檢測深度模型C；

根據所述初始病灶目標檢測深度模型C對未標注醫學圖像樣本集U進行逐一預測，得到所述未標注醫學圖像樣本集U中每個醫學圖像樣本的預測結果，并根據預測結果判斷每個醫學圖像樣本的標注價值；

選取所述未標注醫學圖像樣本集U中標注價值高的醫學圖像樣本進行標注確認后，對當前的病灶目標檢測深度模型C進行迭代更新；

根據迭代更新后的病灶目標檢測深度模型C對新的醫學圖像病灶樣本進行驗證，直到病灶目標檢測深度模型C的性能不能再繼續標注新的樣本時，則結束迭代更新。

2.如權利要求1所述的醫學圖像樣本篩查方法，其特征在于，根據所述初始病灶目標檢測深度模型C對未標注的醫學圖像樣本集U進行逐一預測，得到所述未標注醫學圖像樣本集U中每個醫學圖像樣本的預測結果，并根據預測結果判斷每個醫學圖像樣本的標注價值包括如下步驟：

計算未標注的醫學圖像樣本集U中每個醫學圖像樣本的病灶目標置信度值；

計算未標注的醫學圖像樣本集U中每個醫學圖像樣本的病灶目標實例抗擾動穩定度值；

根據所述病灶目標置信度值和病灶目標實例抗擾動穩定度值，結合主動學習算法計算出樣本標注價值。

3.如權利要求2所述的醫學圖像樣本篩查方法，其特征在于，所述計算未標注的醫學圖像樣本集U中每個醫學圖像樣本的病灶目標置信度值包括如下步驟：

根據所述病灶目標檢測深度模型C，計算未標注的醫學圖像樣本集U中每個醫學圖像樣本中的病灶目標的目標檢測框數量；

根據每個醫學圖像樣本中的目標檢測框數量計算出病灶目標置信度值。

4.如權利要求3所述的醫學圖像樣本篩查方法，其特征在于，所述計算未標注的醫學圖像樣本集U中每個醫學圖像樣本的病灶目標實例抗擾動穩定度值包括如下步驟：

根據所述病灶目標檢測深度模型C，采用Mask-RCNN模型中的RPN網絡來生成未標注的醫學圖像樣本集U中每個醫學圖像樣本中包含病灶目標的區域；

選取與病灶目標實例最接近的兩個病灶目標區域；

計算病灶目標實例與兩個病灶目標區重疊的交集與并集的比值，作為病灶目標實例的抗擾動穩定度值。

5.如權利要求4所述的醫學圖像樣本篩查方法，其特征在于，根據所述病灶目標置信度和病灶目標實例抗擾動穩定度，結合主動學習算法計算出樣本標注價值包括如下步驟：

選取病灶目標置信度值為0.4～0.7之間的醫學圖像樣本，表達為max Unc(x,L,u)，其中，L表示為已標注樣本，u表示為未標注樣本，x為選取的醫學圖像樣本，Unc表示為置信度；

選取抗擾動穩定度值為0.3～0.9之間的醫學圖像樣本，表達為IOU(x,L,u)，其中，L表示為已標注樣本，u表示為未標注樣本，x為選取的醫學圖像樣本，IOU表示為抗擾動穩定度值；

通過主動學習算法公式max f(x,L,u)＝max Unc(x,L,u)*IOU(x,L,u)β修正計算出每個醫學圖像樣本的標注價值max f(x,L,u)，其中，β是調解所述抗擾動穩定度值比重的參數。