[发明专利]检测模型训练方法、淋巴结检测方法、装置、设备及介质

权利要求书

1.一种淋巴结检测模型训练方法，其特征在于，包括：

基于特征提取网络构建淋巴结检测模型；

获取所述淋巴结检测模型的训练样本数据，使用所述训练样本数据对所述淋巴结检测模型进行训练，得到训练好的淋巴结检测模型，其中所述训练样本数据包括样本图像、所述样本图像对应的样本检测标签，以及所述样本图像对应的样本分割标签。

2.根据权利要求1所述的方法，其特征在于，所述基于特征提取网络构建淋巴结检测模型，包括：

以所述特征提取网络为基础网络结构，在所述特征提取网络的第一特征提取层后并列添加二分类分支模块、多分类分支模块以及目标框回归模块；

在所述特征提取网络的第二特征提取层后添加淋巴结分割模块，得到构建好的淋巴结检测模型。

3.根据权利要求2所述的方法，其特征在于，所述样本检测标签包括样本识别标签、样本目标框标签以及样本组别标签，所述使用所述训练样本数据对所述淋巴结检测模型进行训练，得到训练好的淋巴结检测模型，包括：

将所述样本图像输入至所述特征提取网络中，获取所述第一特征提取层输出的第一特征，以及所述第二特征提取层输出的第二特征；

将所述第二特征输入至所述淋巴结分割模块中，获得所述淋巴结分割模块输出的预测分割结果，根据所述预测分割结果、所述样本分割标签以及分割损失函数确定分割损失值；

将所述第一特征输入至所述二分类分支模块中，获取所述二分类分支模块输出的预测识别结果，根据所述预测识别结果、所述样本识别标签以及二分类损失函数得到二分类损失值；

若所述样本识别标签为设定标签，则将所述第一特征分别输入至所述多分类分支模块以及所述目标框回归模块中，获得所述多分类分支模块输出的预测组别结果以及所述目标框回归模块输出的预测目标框；

根据所述预测组别结果、所述样本组别标签以及多分类损失函数得到多分类损失值，根据所述预测目标框、所述样本目标框标签以及目标框损失函数得到目标框损失值；

以所述分割损失值、所述二分类损失值、所述多分类损失值以及所述目标框损失值均收敛为目标，对所述淋巴结检测模型进行训练，得到训练好的淋巴结检测模型。

4.根据权利要求1所述的方法，其特征在于，所述特征提取网络为ResNext50-FPN网络。

5.一种淋巴结检测方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入至训练好的淋巴结检测模型中，获得所述淋巴结检测模型输出的输出信息，其中，所述训练好的淋巴结检测模型是使用如权利要求1-4任一所述的淋巴结检测模型训练方法训练得到的；

根据所述输出信息确定所述待检测图像的检测信息并输出。

6.根据权利要求5所述的方法，其特征在于，所述根据所述输出信息确定所述待检测图像的检测信息并输出，包括：

获取所述输出信息中包含的分割结果，使用几何算法对所述分割结果进行分析，得到淋巴结的尺寸信息；

根据所述尺寸信息与所述输出信息生成所述检测信息并输出。

7.一种淋巴结检测模型训练装置，其特征在于，包括：

模型构建模块，用于基于特征提取网络构建淋巴结检测模型；

模型训练模块，用于获取所述淋巴结检测模型的训练样本数据，使用所述训练样本数据对所述淋巴结检测模型进行训练，得到训练好的淋巴结检测模型，其中所述训练样本数据包括样本图像、所述样本图像对应的样本检测标签，以及所述样本图像对应的样本分割标签。

8.一种淋巴结检测装置，其特征在于，包括：

检测图像获取模块，用于获取待检测图像；

图像检测模块，用于将所述待检测图像输入至训练好的淋巴结检测模型中，获得所述淋巴结检测模型输出的输出信息，其中，所述训练好的淋巴结检测模型是使用如权利要求1-4任一所述的淋巴结检测模型训练方法训练得到的；

检测信息输出模块，用于根据所述输出信息确定所述待检测图像的检测信息并输出。