[發明專利]一種基于CT切片的多模型假陽衰減的疾病分類方法及裝置

在審

• 申請號: 202110144190.4
• 申請日: 2021-02-02
• 公開（公告）號: CN112836744A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 杜強;李德軒;郭雨晨;聶方興;唐超
• 申請（專利權）人: 北京小白世紀網絡科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06T7/00;G06T7/11
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 秦瑩

1.一種基于CT切片的多模型假陽衰減的疾病分類方法，其特征在于，包括：

S1.將CT序列圖像輸入一次篩查模型，通過所述一次篩查模型自動對所述CT序列圖像進行處理，即使用卷積神經網絡對所述CT序列圖像進行特征提取，對疑似結節的特征區域進行分割定位，輸出一次篩查模型結果；

S2.將所述一次篩查結果中置信度低于最低置信度預設值的部分單獨取出，得到假性數據；

S3.選取二次篩查模型，并對選取的二次篩查模型的參數進行設置，選取所用損失函數和優化器；

S4.將步驟S2中所述假性數據添加所述二次篩查模型的標簽作為訓練標簽，輸入到選取的所述二次篩查模型進行訓練，進行精準分類，得到假陽性數據和真陽性數據。

2.根據權利要求1所述的一種基于CT切片的多模型假陽衰減的疾病分類方法，其特征在于，在步驟S2中，得到假陽性數據具體包括：在所述一次篩查模型結果在輸出時，將每個結果對應一個位置及置信度，所述置信度取值在0-1之間，設定一個數值作為最低置信度預設值，低于最低置信度預設值的數據單獨取出，作為假性數據進行下一次篩查。

3.根據權利要求1所述的一種基于CT切片的多模型假陽衰減的疾病分類方法，其特征在于，在步驟S3中，選用如ResNet18這樣的淺層網絡作為二次篩查模型。

4.根據權利要求1所述的一種基于CT切片的多模型假陽衰減的疾病分類方法，其特征在于，步驟S3中所述參數具體包括：學習率，所述學習率設置為0.001，所述損失函數為BCEloss，所述優化器選用SGD優化器。

5.一種基于CT切片的多模型假陽衰減的疾病分類裝置，其特征在于，包括：

一次篩查模塊：用于將CT序列圖像輸入一次篩查模型，通過所述一次篩查模型自動對所述CT序列圖像進行處理，即使用卷積神經網絡對所述CT序列圖像進行特征提取，對疑似結節的特征區域進行分割定位，輸出一次篩查模型結果；

假陽數據選取模塊：用于將所述一次篩查結果中置信度低于最低置信度預設值的部分單獨取出，得到假性數據。

參數設置模塊：用于對選取的二次篩查模型的參數進行設置，選取所用損失函數和優化器。

二次篩查模塊：用于將步驟S2中所述假性數據添加所述二次篩查模型的標簽作為訓練標簽，輸入到選取的所述二次篩查模型進行訓練，進行精準分類，得到假陽性數據和真陽性數據。

6.根據權利要求5所述的一種基于CT切片的多模型假陽衰減的疾病分類裝置，其特征在于，假陽數據選取模塊具體用于，選取出置信度低于最低置信度預設值的數據，作為假性數據進行下一次篩查。

7.根據權利要求5所述的一種基于CT切片的多模型假陽衰減的疾病分類裝置，其特征在于，參數設置模塊具體用于，為選取的如ResNet18這樣的淺層網絡模型設置學習率、損失函數及優化器，所述學習率固定設置為0.001，所述損失函數為BCEloss，所述優化器為SGD優化器。

8.一種基于CT切片的多模型假陽衰減的疾病分類裝置，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至4中任一項所述的基于CT切片的多模型假陽衰減的疾病分類方法的步驟。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有信息傳遞的實現程序，所述程序被處理器執行時實現如權利要求1至4中任一項所述的基于CT切片的多模型假陽衰減的疾病分類方法的步驟。