[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

说明书

本发明实施例公开了一种检测模型训练方法、淋巴结检测方法、装置、设备及介质，检测模型训练方法包括：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。本发明实施例提供的模型训练方法通过使用包括样本图像、样本图像对应的样本检测标签以及样本图像对应的样本分割标签的训练样本数据对淋巴结检测模型中的不同特征层进行多分支训练，使得训练好的淋巴结检测模型能够提供较全面的淋巴结检测信息。

技术领域

本发明实施例涉及图像处理领域，尤其涉及一种检测模型训练方法、淋巴结检测方法、装置、设备及介质。

背景技术

淋巴结是人体免疫系统的重要组成部分，是淋巴回流系统的重要节点，正常直径多在5毫米之内。纵隔是指人体胸部位于两肺之间，胸廓入口以下，膈肌以上的区域。纵隔淋巴结，是指位于纵隔内的淋巴结。而纵隔淋巴结肿大是根据影像学检查(如CT、磁共振)结果进行判断的，一般是指短径大于1厘米的淋巴结。纵隔淋巴结肿大可能会对健康造成一定影响，如果纵隔淋巴结肿大为恶性肿瘤所致，一方面肿瘤自身的进展可危及生命，另一方面淋巴结的不断增大可能压迫或侵犯纵隔内的重要脏器，如大气道、大血管，可导致呼吸、循环系统衰竭。如果是良性疾病(如结节病、结核)引起的纵隔淋巴结肿大，因疾病进展较缓慢且多可通过治疗控制或缓解，危险度较低。

目前，对淋巴结的检测方法有两类：一、使用区域生长法，填充法等传统方法，二、使用深度学习的方法。其中，传统算法自动化程度低，需要人工参与；深度学习算法任务单一，检测结果较片面。

发明内容

本发明实施例提供了一种检测模型训练方法、淋巴结检测方法、装置、设备及介质，以实现提供较全面的淋巴结检测信息。

第一方面，本发明实施例提供了一种淋巴结检测模型训练方法，包括：

基于特征提取网络构建淋巴结检测模型；

获取淋巴结检测模型的训练样本数据，使用训练样本数据对淋巴结检测模型进行训练，得到训练好的淋巴结检测模型，其中训练样本数据包括样本图像、样本图像对应的样本检测标签，以及样本图像对应的样本分割标签。

第二方面，本发明实施例还提供了一种淋巴结检测方法，包括：

获取待检测图像；

将待检测图像输入至训练好的淋巴结检测模型中，获得淋巴结检测模型输出的输出信息，其中，训练好的淋巴结检测模型是使用如本发明任意实施例所提供的淋巴结检测模型训练方法训练得到的；

根据输出信息确定待检测图像的检测信息并输出。

第三方面，本发明实施例还提供了一种淋巴结检测模型训练装置，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，用于获取淋巴结检测模型的训练样本数据，使用训练样本数据对淋巴结检测模型进行训练，得到训练好的淋巴结检测模型，其中训练样本数据包括样本图像、样本图像对应的样本检测标签，以及样本图像对应的样本分割标签。

第四方面，本发明实施例还提供了一种淋巴结检测装置，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，用于将待检测图像输入至训练好的淋巴结检测模型中，获得淋巴结检测模型输出的输出信息，其中，训练好的淋巴结检测模型是使用如本发明任意实施例所提供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，用于根据输出信息确定待检测图像的检测信息并输出。