[发明专利]分类训练和检测的方法与装置

权利要求书

1.一种模型训练方法，其中，该方法包括：

针对一具有特定发病位置的病种，将分别指示所述病种为阳性和阴性的正负样本图像输入至分类网络，以对所述分类网络进行训练；

其中，所述正负样本图像均被屏蔽与所述发病位置所属的目标区域无关的区域；

获得训练好的所述分类网络，其分类检测结果指示所述病种为阳性或阴性。

2.根据权利要求1所述的方法，其中，所述屏蔽操作具体包括：

保留所述目标区域的灰度值，将所述正负样本图像中其他区域的灰度值设为“0”。

3.根据权利要求1或2所述的方法，其中，所述正负样本图像中的所述目标区域通过图像分割模型来识别。

4.根据权利要求1至3中任一项所述的方法，其中，所述分类网络为基于深度学习的分类网络。

5.一种对具有特定发病位置的病种进行检测的方法，其中，该方法包括：

针对一具有特定发病位置的病种，将第一人体医学影像输入对应的图像分割模型，以获得所述发病位置所属的目标区域的掩膜；

利用所述目标区域的掩膜，屏蔽所述第一人体医学影像中的无关区域；

将经屏蔽无关区域后的所述第一人体医学影像输入所述病种的分类网络，以获得所述病种的分类检测结果，所述分类检测结果指示所述病种为阳性或阴性；

其中，所述分类网络通过输入经所述目标区域的掩膜屏蔽无关区域后的正负样本图像来训练获得，其中正样本图像指示所述病种为阳性，负样本图像指示所述病种为阴性。

6.一种模型训练装置，其中，该装置包括：

训练装置，用于针对一具有特定发病位置的病种，将分别指示所述病种为阳性和阴性的正负样本图像输入至分类网络来对所述分类网络进行训练，获得训练好的所述分类网络，其分类检测结果指示所述病种为阳性或阴性；

其中，所述正负样本图像均被屏蔽与所述发病位置所属的目标区域无关的区域。

7.一种对具有特定发病位置的病种进行检测的装置，其中，该装置包括：

分割装置，用于针对一具有特定发病位置的病种，将第一人体医学影像输入对应的图像分割模型，以获得所述发病位置所属的目标区域的掩膜；

屏蔽装置，用于利用所述目标区域的掩膜，屏蔽所述第一人体医学影像中的无关区域；

分类装置，用于将经屏蔽无关区域后的所述第一人体医学影像输入所述病种的分类网络，以获得所述病种的分类检测结果，所述分类检测结果指示所述病种为阳性或阴性；

其中，所述分类网络通过输入经所述目标区域的掩膜屏蔽无关区域后的正负样本图像来训练获得，其中正样本图像指示所述病种为阳性，负样本图像指示所述病种为阴性。

8.一种计算机设备，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，其中，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的方法或如权利要求5所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的方法或如权利要求5所述的方法。

10.一种计算机程序产品，当所述计算机程序产品被计算机设备执行时实现如权利要求1至4中任一项所述的方法或如权利要求5所述的方法。