[發明專利]一種肺炎圖像識別方法、裝置及計算設備

在審

• 申請號: 202011309427.1
• 申請日: 2020-11-20
• 公開（公告）號: CN112381810A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 李杰;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

本發明公開了一種肺炎識別方法及裝置，其中，該方法是通過獲取第一樣本集，對第一樣本集進行數據增強，得到第二樣本集；利用第二樣本集對肺炎識別模型進行訓練，得到訓練好的肺炎識別模型；獲取疑似COVID?19患者的肺部圖像，將所述疑似COVID?19患者的肺部圖像輸入至訓練好的肺部識別模型，得到識別結果；獲取專家根據識別結果確診為COVID?19患者的肺部圖像，根據第二樣本集和第三樣本集點對訓練好的肺炎識別模型進行再次訓練，通過使用該訓練好的肺炎識別模型來識別疑似COVID?19患者的肺部圖像，可以有效地減少人類專家的工作量，幫助提升COVID?19患者檢測效率和準確率。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種肺炎圖像識別方法、裝置及計算設備。

背景技術

目前，深度學習技術已經被廣泛應用在圖像檢測識別領域，例如人臉識別、車牌識別等場景。為了得到較好的識別率，通常需要大量人工標注的圖像數據去訓練深層的卷積神經網絡模型。然而，醫療圖像等跟病人隱私相關的數據往往是難以獲取到的，因此難以獲取到足夠數量的數據進行標注，另一方面，即便能夠獲取到滿足數量要求的圖像數據，在短時間內完成標注得到準確的標注數據也是相當困難的。

當前，新型冠狀病毒導致的肺炎疫情仍然不可忽視，傳統的診斷過程通常需要經驗豐富的醫生對患者的肺炎圖像進行查看分析然后得出診療結論，在疑似患者急劇增加的時候，僅僅通過人類專家去查看病理圖像是遠遠不夠的。當前也有使用深度學習技術來輔助醫生進行診斷的案例，比如腫瘤識別等，但對于新型冠狀病毒肺炎(corona virusdisease 2019，COVID-19)的識別應用還較少，原因之一就是標注的數據量過少，不足以訓練一個良好的檢測模型。

發明內容

為了解決上述問題，本發明實施例提供一種肺炎圖像識別方法及裝置，能夠有效地識別疑似COVID-19患者的肺部圖像，減少醫護人員的工作量，提升COVID-19患者肺部圖像的檢測效率和準確率。

第一方面，本申請實施例提供了一種肺炎圖像識別方法，該方法包括：

獲取第一樣本集，對所述第一樣本集中的肺部圖像進行數據增強，得到第二樣本集；

利用所述第二樣本集對肺炎識別模型進行訓練，得到訓練好的肺炎識別模型；

獲取疑似COVID-19患者的肺部圖像，將所述疑似COVID-19患者的肺部圖像輸入至所述訓練好的肺炎識別模型中，得到識別結果；

獲取第三樣本集，利用所述第二樣本集和所述第三樣本集對所述訓練好的肺炎識別模型進行再次訓練，其中，所述第三樣本集包括根據所述識別結果得到的確診的COVID-19患者的肺部圖像。

在一種具體的實現方式中，所述第一樣本集包括第一部分樣本集和第二部分樣本集，所述第一部分樣本集是有標注COVID-19的肺部圖像；所述第二部分樣本集是未標注COVID-19的肺部圖像。

在一種具體的實現方式中，所述第二樣本集包括第三部分樣本集和第四部分樣本集；所述第三部分樣本集包括所述第一部分樣本集和第一部分增強后樣本集；所述第一部分增強后樣本集是利用第一擴充算法對所述第一部分樣本集中的肺部圖像進行數據增強后得到的肺部圖像；所述第四部分樣本集包括所述第二部分樣本集和第二部分增強后樣本集；所述第二部分增強后樣本集是利用第二擴充算法對所述第二部分樣本集中的肺部圖像進行數據擴充后得到的肺部圖像。

在一種具體的實現方式中，所述識別結果包括置信度以及肺炎病理區域，所述置信度表示所述疑似COVID-19患者的肺部圖像屬于COVID-19的概率，所述肺炎病理區域指示肺炎病灶位置。

在一種具體的實現方式中，所述肺炎識別模型是深度卷積神經網絡模型。