[发明专利]一种结节良恶性的确定方法及装置

权利要求书

1.一种结节良恶性的确定方法，其特征在于，所述方法包括：

获取患者的待确定结节良恶性的医学图像；

将所述医学图像输入第一分类模型，得到第一结果值，所述第一结果值为根据所述医学图像的图像特征，确定出用于表征所述结节良恶性的结果值；

将所述患者的语义特征输入第二分类模型，得到第二结果值，所述第二结果值为基于所述患者的语义特征，确定出用于表征所述结节良恶性的结果值；

依据所述第一结果值与所述第二结果值，确定所述结节的良恶性。

2.根据权利要求1所述的方法，其特征在于，所述依据所述第一结果值与所述第二结果值，确定所述结节的良恶性，包括：

将所述第一结果值与预先设定的第一权值的乘积，确定为第一乘积；

将所述第二结果值与预先设定的第二权值的乘积，确定为第二乘积，其中所述第一权值与所述第二权值的和为1；

依据所述第一乘积与所述第二乘积的和，来确定所述结节的良恶性。

3.根据权利要求1所述的方法，其特征在于，所述第一分类模型的生成过程，包括：

获取第一预设数量帧样本图像，以及事先确定的每帧所述样本图像的样本标签，所述样本标签为用于表征所述样本图像中结节良恶性的标识；

针对所述第一预设数量帧样本图像中的每帧样本图像，确定所述样本图像的置信度，所述置信度用于表征所述样本标签所描述结节良恶性的可信程度；

获取预设的初始深度学习分类模型；

针对所述第一预设数量帧样本图像中的每帧样本图像，将所述样本图像输入所述初始深度学习分类模型得到输出结果，并确定所述输出结果与所述样本图像的样本标签间的损失函数值；将所述样本图像的置信度与所述样本图像的损失函数值的乘积，确定为所述样本图像的加权损失函数值，得到第一预设数量个加权损失函数值；

按照使所述第一预设数量个加权损失函数值的和最小化的原则，来确定所述初始深度学习分类模型中的参数值；

当达到预设条件时，将具有当前参数值的深度学习分类模型，确定为第一分类模型。

4.根据权利要求3所述的方法，其特征在于，所述样本图像的样本标签的确定方法，包括：

获取第二预设数量个医生分别对所述样本图像标记的用于表征结节良性程度的良恶等级，得到与所述样本图像对应的第二预设数量个良恶等级；

综合所述第二预设数量个良恶等级，确定用于描述所述样本图像中结节良恶性的样本标签。

5.根据权利要求4所述的方法，其特征在于，所述确定所述样本图像的置信度，包括：

根据所述第二预设数量个良恶等级的一致程度，确定用于表征所述样本图像的样本标签所描述结节良恶性的可信程度的第一置信度；

根据所述第二预设数量个良恶等级中，与样本标签所描述的良恶性相同的良恶等级的数量占所述第二预设数量的比值，确定为用于表征所述样本图像的样本标签所描述结节良恶性的可信程度的第二置信度；

将所述第一置信度与所述第二置信度的乘积，确定为用于表征所述样本标签所描述结节良恶性的可信程度的置信度。

6.一种结节良恶性的确定装置，其特征在于，所述装置包括：

第一获取单元，用于获取患者的待确定结节良恶性的医学图像；

第二获取单元，用于将所述医学图像输入第一分类模型，得到第一结果值，所述第一结果值为根据所述医学图像的图像特征，确定出用于表征所述结节良恶性的结果值；

第三获取单元，用于将所述患者的语义特征输入第二分类模型，得到第二结果值，所述第二结果值为基于所述患者的语义特征，确定出用于表征所述结节良恶性的结果值；

确定单元，用于依据所述第一结果值与所述第二结果值，确定所述结节的良恶性。