[发明专利]肺部病灶检测的方法及装置，和图像检测模型的训练方法

权利要求书

1.一种肺部病灶检测的方法，其特征在于，包括：

对胸片图像数据进行分割处理，获得分割后的肺部检测图像数据；

将所述肺部检测图像数据输入图像检测模型，获得多层特征层数据；

将所述多层特征层数据输入所述图像检测模型中的第一检测子模型，输出所述肺部检测图像的病灶的检测框和所述检测框准确预测所述肺部检测图像的病灶的第一预测概率；以及

将所述多层特征层数据输入所述图像检测模型中的第二检测子模型，输出预测是否存在所述肺部检测图像的病灶的第二预测概率和/或所述肺部检测图像的病灶区域的热力图，

其中，所述第一检测子模型和所述第二检测子模型并行设置。

2.根据权利要求1所述的方法，其特征在于，还包括：

将肺部训练图像数据输入第一神经网络中进行特征提取，并输出多层特征层；

将所述多层特征层输入第二神经网络中进行训练，获得第一检测子模型；

将所述多层特征层输入第三神经网络中进行训练，获得第二检测子模型；以及

基于所述第一检测子模型和所述第二检测子模型确定所述图像检测模型。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取所述肺部训练图像数据，所述肺部训练图像数据为经人工标注后的带标签的肺部训练图像数据，

其中，所述标签包括检测标签，以及类别标签和分割标签中的至少一种，所述检测标签为由人工标注的所述肺部训练图像的病灶的检测框，所述类别标签为由人工标注的所述肺部训练图像的病灶的类别，所述分割标签为由人工标注的所述肺部训练图像的病灶区域，所述肺部训练图像的病灶区域为从所述肺部训练图像的病灶的检测框的中心向外延伸预设距离的区域。

4.根据权利要求3所述的方法，其特征在于，所述将所述多层特征层输入第二神经网络中进行训练，获得第一检测子模型，包括：

d)基于所述多层特征层确定多个第一特征图；

e)在所述多个第一特征图中的每个第一特征图上生成多个先验框；

f)对所述多个先验框进行后处理，获得与所述检测框匹配的第一先验框、所述第一先验框准确预测所述肺部训练图像的病灶的第一预测概率以及所述第一先验框的预测位置；

g)计算所述第一预测概率与所述检测标签的真实概率之间的第一概率差值和所述第一先验框的预测位置与所述检测标签的真实位置之间的位置偏差，并将所述第一概率差值和所述位置偏差反向传播，以调整所述第一神经网络和所述第二神经网络；以及

迭代执行所述步骤d)、步骤e)、步骤f)以及步骤g)，获得训练完成后的所述第一检测子模型。

5.根据权利要求3所述的方法，其特征在于，所述将所述多层特征层输入第三神经网络中进行训练，获得第二检测子模型，包括：

h)将所述多层特征层进行上采样和融合操作，生成第二特征图；

i)将所述第二特征图在所述第三神经网络中进行多次卷积，以获得第一矩阵，利用分类器对所述第一矩阵进行激活，以获得预测是否存在所述肺部训练图像的病灶的第二预测概率，计算所述第二预测概率与所述类别标签的真实概率之间的第二概率差值，并将所述第二概率差值反向传播，以调整所述第一神经网络和所述第三神经网络，以及迭代执行所述步骤h)以及步骤i)，以获得训练完成后的所述第二检测子模型，

和/或

j)将所述第二特征图在所述第三神经网络中进行多次卷积，以获得第二矩阵，利用分类器对所述第二矩阵进行激活，以获得预测所述第二矩阵中的每个点是否在所述肺部训练图像的病灶区域的第三预测概率，计算所述第三预测概率与所述分割标签的真实概率之间的第三概率差值，并将所述第三概率差值反向传播，以调整所述第一神经网络和所述第三神经网络，以及迭代执行所述步骤h)以及步骤j)，以获得训练完成后的所述第二检测子模型。

6.根据权利要求5所述的方法，其特征在于，还包括：

对所述第二特征图的尺寸进行图像缩放操作，获得所述肺部训练图像的病灶区域的热力图。