[发明专利]模型训练方法、医学影像分析方法及装置、设备、介质

权利要求书

1.一种基于医学影像的模型训练方法，其特征在于，包括以下步骤：

获取多个医学影像并根据所述医学影像获取第一训练数据，所述医学影像具有多个属性，所述第一训练数据对应具有每个属性的类别标签；

采用卷积神经网络对所述第一训练数据进行训练，得到用于识别医学影像的属性类别的多任务分类模型。

2.如权利要求1所述的基于医学影像的模型训练方法，其特征在于，

所述医学影像为病灶的医学影像；和/或，

所述医学影像为3D医学影像或2D医学影像；和/或，

若所述医学影像为肺结节的CT影像，则所述属性包括密度、形状、边缘、毛刺、分叶、空泡、胸膜凹陷、棘状突起、血管集束、脂肪、钙化、充气支气管、空洞中的至少一种；和/或，

所述卷积神经网络具有不同属性类别共用的一个全连接层或具有与多个属性类别分别对应的多个全连接层；和/或，

所述模型训练方法还包括：对第一训练数据进行复制并且对复制后的第一训练数据进行数据增强处理。

3.一种医学影像分析模型的训练方法，其特征在于，包括：

获取多个医学影像并根据所述医学影像获取第二训练数据，所述第二训练数据包括通过多任务分类模型提取的医学影像的特征，所述多任务分类模型利用如权利要求1或2所述的模型训练方法训练得到；

采用机器学习算法对所述第二训练数据进行训练，得到医学影像分析模型。

4.如权利要求3所述的医学影像分析模型的训练方法，其特征在于，

所述第二训练数据还包括影像组学特征和临床特征中的至少一种；和/或，

所述通过多任务分类模型提取的医学影像的特征包括：通过多任务分类模型的卷积层和/或共用的全连接层提取的特征；和/或，

所述训练方法还包括：对所述第二训练数据进行预处理；和/或，

所述机器学习算法为神经网络、支持向量机或随机森林算法；和/或，

所述医学影像分析模型包括病理属性分类模型。

5.一种医学影像分析方法，其特征在于，包括：

获取待分析的医学影像；

将所述医学影像输入医学影像分析模型中，得到分析结果，所述分析结果基于所述医学影像的特征分析得出；

其中，所述医学影像分析模型利用如权利要求3或4所述的医学影像分析模型的训练方法训练得到。

6.一种基于医学影像的模型训练装置，其特征在于，包括：

第一获取模块，用于获取多个医学影像并根据所述医学影像获取第一训练数据，所述医学影像具有多个属性，所述第一训练数据对应具有每个属性的类别标签；

第一训练模块，用于采用卷积神经网络对所述第一训练数据进行训练，得到用于识别医学影像的属性类别的多任务分类模型。

7.一种医学影像分析模型的训练装置，其特征在于，包括：

医学影像获取模块，用于获取多个医学影像并根据所述医学影像获取第二训练数据，所述第二训练数据包括通过多任务分类模型提取的医学影像的特征，所述多任务分类模型利用如权利要求6所述的模型训练装置训练得到；

模型训练模块，用于采用机器学习算法对所述第二训练数据进行训练，得到医学影像分析模型。

8.一种医学影像分析装置，其特征在于，包括：

数据获取模块，用于获取待分析的医学影像；

分析模块，用于将所述医学影像输入医学影像分析模型中，得到分析结果，所述分析结果基于所述医学影像的特征分析得出；

其中，所述医学影像分析模型利用如权利要求7所述的医学影像分析模型的训练装置训练得到。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1或2所述的基于医学影像的模型训练方法，或实现如权利要求3或4所述的医学影像分析模型的训练方法，或实现如权利要求5所述的医学影像分析方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1或2所述的基于医学影像的模型训练方法的步骤，或实现如权利要求3或4所述的医学影像分析模型的训练方法的步骤，或实现如权利要求5所述的医学影像分析方法的步骤。