[发明专利]脑部病灶检测模型的建立方法、装置以及计算机设备

说明书

本申请提出一种脑部病灶检测模型的建立方法、装置、计算机设备和存储介质。其中，方法通过使用小规模的标注数据，采用协同训练的方式同时训练一个自然语言处理NLP模型和一个卷积模型，在每一次迭代中，利用NLP模型和卷积模型从剩余未标注数据集中选择部分数据更新到训练集，继续训练，进而将完成训练的卷积模型作为脑部病灶检测模型。由此通过利用配对的CT影像与报告中的文本信息，进行协同训练，以实现脑部CT病灶的自动检测的方法；在模块训练时，只需要少量数据标注，便可以对大规模数据进行训练，大大节省了深度学习过程中的数据标注工作量。

技术领域

本申请属于深度学习、计算机视觉以及自然语言处理领域，尤其涉及一种脑部病灶检测模型的建立方法、装置、计算机设备和计算机可读存储介质。

背景技术

医学影像如CT(Computed Tomography，电子计算机断层扫描)、MRI(MagneticResonance Imaging，磁共振成像)等已经成为临床诊断的重要工具，但人工诊断依赖于经验丰富的医师，人力成本高。近年来，基于深度学习等人工智能方法的医学影像自动诊断方法发展迅速。卷积神经网络等计算机视觉方法可以高效且准确地对医学图像进行分类、病灶检测。在自然语言处理领域中，序列模型等方法可以高效地完成文本分类等任务，使得对病历与影像描述等医学文本的处理成为可能。然而，深度学习的训练需要大量标注数据。医学领域的数据标注工作相较于自然图像，对标注者有很高的专业要求，大量的数据标注工作成本很高。

发明内容

本申请的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本申请的第一个目的在于提出一种脑部病灶检测模型的建立方法，以实现只需要少量数据标注，便可以对大规模数据进行训练，大大节省了脑部病灶检测模型训练过程中的数据标注工作量。

本申请的第二个目的在于提出一种脑部病灶检测模型的建立装置。

本申请的第三个目的在于提出一种电子设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种脑部病灶检测模型的建立方法，包括：

获取多个脑部CT影像样本以及与每个脑部CT影像样本对应的影像描述文本；

根据多个脑部CT影像样本生成平均脑部CT影像，并对所述平均脑部CT影像中的各区域进行分割标注；

从所述多个脑部CT影像样本中获取至少部分脑部CT影像样本，并基于所述平均脑部CT影像中各区域的分割标注，为所述至少部分脑部CT影像样本及其对应的影像描述文本标注所述至少部分脑部CT影像样本中每个区域有无病灶，得到训练集；

基于所述训练集之中的脑部CT影像样本、分割标注以及每个区域有无病灶标注，生成用于训练卷积模型的三维训练数据；

根据所述三维训练数据对所述卷积模型进行训练，并根据所述训练集之中所述至少部分脑部CT影像样本对应的影像描述文本及其标注训练自然语言处理NLP模型；

在每一次迭代中，根据所述卷积模型和所述NLP模型从剩余未标注数据集选择置信度高的数据更新至所述训练集，基于更新后的所述训练集继续对所述卷积模型和所述NLP模型进行训练；

将完成训练的卷积模型作为所述脑部病灶检测模型。

本申请实施例的方法，，解决现有技术中的技术问题。

为达上述目的，本申请第二方面实施例提出了一种脑部病灶检测模型的建立装置，包括：

第一获取模块，用于获取多个脑部CT影像样本以及与每个脑部CT影像样本对应的影像描述文本；