[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

说明书

本申请提供了一种肺部病灶检测的方法及装置，和图像检测模型的训练方法，所述肺部病灶检测的方法包括：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。

技术领域

本申请涉及图像处理技术领域，具体涉及一种肺部病灶检测的方法及装置，和图像检测模型的训练方法。

背景技术

现代医疗技术的发展已经很成熟，专业医护人员可以凭借医学知识以及医疗经验诊断出各种疾病，然而，这样的工作效率显然不高，并且由于专业医护人员严重不足，且还对专业医护人员的医疗水平和空间想象能力要求非常高，这样也导致其任务量繁多且工作压力大，在高强度的工作状态下，可能会出现漏检的情况，从而导致整个检测过程耗时耗力，且漏诊率高。同时，由于各个地区的医疗水平很不一致，且医生的个人经验水平也参差不齐，因此，传统的医生诊断疾病的方法容易受到地区医疗水平以及医生个人经验水平的影响，导致诊断误差较大的问题。

申请内容

有鉴于此，本申请的实施例致力于提供一种肺部病灶检测的方法及装置，和图像检测模型的训练方法，能够提高肺部病灶检测的精度，从而降低医护人员的检测病灶的漏诊率，同时提高医护人员检测病灶的效率。

根据本申请实施例的第一方面，提供了一种肺部病灶检测的方法，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。

在一个实施例中，所述方法还包括：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。

在一个实施例中，所述方法还包括：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。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。

在一个实施例中，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：基于所述多层特征层确定多个第一特征图；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；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；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；以及迭代执行上述步骤，获得训练完成后的所述第一检测子模型。