[發明專利]影像數據評估方法、裝置、設備及存儲介質

在審

• 申請號: 202011051897.2
• 申請日: 2020-09-29
• 公開（公告）號: CN112151179A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 李陽;劉超然
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H30/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種影像數據評估方法，其特征在于，包括：

獲取醫學影像數據和所述醫學影像數據的分區定位圖像；

將所述醫學影像數據和所述分區定位圖像輸入至預先訓練的影像數據評估模型，確定所述醫學影像數據的評分結果，其中，所述影像數據評估模型根據標準影像數據、標準分區定位圖像以及標準評分訓練得到。

2.根據權利要求1所述的方法，其特征在于，還包括：

獲取臨床檢測信息，并確定所述臨床檢測信息對應的數值化檢測信息；

相應的，所述將所述醫學影像數據和和所述分區定位圖像輸入至預先訓練的影像數據評估模型，確定所述醫學影像數據的評分結果，包括：

將所述醫學影像數據、所述數值化檢測信息和所述分區定位圖像輸入至預先訓練的影像數據評估模型，得到所述醫學影像數據的評分結果。

3.根據權利要求1所述的方法，其特征在于，所述影像數據評估模型包括：特征提取子網絡、池化子網絡和全連接子網絡；所述池化子網絡包括掩膜池化子網絡，所述全連接子網絡包括分區分類子網絡；

相應的，所述影像數據評估模型的訓練方法包括：

獲取所述標準影像數據、所述標準分區定位圖像和所述標準評分；

迭代執行以下訓練步驟，將滿足預設迭代要求的當前評估模型確定為訓練完成的影像數據評估模型：

將所述標準影像數據輸入至所述特征提取子網絡，得到標準特征數據；

基于所述池化子網絡的掩膜池化子網絡，對所述標準特征數據和所述標準分區定位圖像進行掩膜池化，得到掩膜池化結果；

基于所述全連接子網絡的分區分類子網絡，對所述掩膜池化結果進行分區分類計算，得到第一分區分類結果；

根據所述第一分區分類結果與所述標準評分計算所述當前評估模型的第一損失函數；

基于所述第一損失函數對所述當前評估模型進行參數調節，得到當前迭代的影像數據評估模型。

4.根據權利要求3所述的方法，其特征在于，所述池化子網絡還包括：全局池化子網絡，所述全連接子網絡還包括：多目標回歸子網絡和總評分回歸子網絡；所述方法還包括：

獲取臨床特征信息，其中，所述臨床特征信息通過對與所述標準影像數據對應的臨床相關信息進行數值化操作得到；

相應的，所述影像數據評估模型的訓練方法還包括：

將所述標準特征數據、所述標準分區定位圖像和所述臨床特征信息輸入至池化子網絡，并基于所述池化子網絡的全局池化子網絡對所述標準特征數據和所述臨床特征信息進行全局池化，確定全局池化結果；

基于所述全連接子網絡的多目標回歸子網絡對所述全局池化結果進行多目標回歸處理，并基于所述全連接子網絡的總評分回歸子網絡對所述全局池化結果進行總評分回歸處理，得到多目標回歸結果和總評分回歸結果；

根據所述多目標回歸結果和所述標準評分計算所述當前評估模型的第二損失函數，并根據所述總評分回歸結果和所述標準評分計算所述當前評估模型的第三損失函數；

相應的，所述基于所述第一損失函數對所述當前評估模型進行參數調節，得到當前迭代的影像數據評估模型，包括：

基于所述第一損失函數、所述第二損失函數和所述第三損失函數對所述當前評估模型進行參數調節，得到當前迭代的影像數據評估模型。

5.根據權利要求3或4所述的方法，其特征在于，所述全連接子網絡還包括中繼監督子網絡；

相應的，所述影像數據評估模型的訓練方法還包括：

將所述標準特征數據輸入至所述全連接子網絡的中繼監督子網絡，基于所述中繼監督子網絡，對所述標準特征數據進行分區分類操作；

根據所述中繼監督子網絡輸出的第二分區分類結果和所述標準評分計算當前評估模型的第四損失函數；

相應的，所述基于所述第一損失函數對所述當前評估模型進行參數調節，得到當前迭代的影像數據評估模型，包括：

基于所述第一損失函數和所述第四損失函數對所述當前評估模型進行參數調節，得到當前迭代的影像數據評估模型；

或者，

基于所述第一損失函數、第二損失函數、第三損失函數和所述第四損失函數對所述當前評估模型進行參數調節，得到當前迭代的影像數據評估模型，其中，所述第一損失函數、所述第二損失函數、所述第三損失函數和所述第四損失函數分別分配不同的貢獻權重。