[发明专利]分类训练和检测的方法与装置

说明书

本发明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。与现有技术相比，本发明利用目标区域的掩膜来屏蔽人体胸部医学影像中的无关区域，进而对经屏蔽的影像通过分类网络来进行对应病种的分类检测。这通过排除无关的干扰信息有效提升了对具有特定发病位置的病种的分类检测性能。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种对具有特定发病位置的病种进行检测的技术。

背景技术

现有技术中，通过X光造影对很多病种的诊断仍需依靠人工阅片。这对医生的个人经验与能力有较高要求；同时，人工阅片也存在成本高、耗时长、易受医生状态等人为因素干扰等问题。

随着人工智能，特别是深度学习领域的快速发展，已有大量研究人员尝试通过该类技术帮助解决医学影像的诊断问题。对于病种检测，若直接以X光胸片影像作为输入，常规的多分类网络(如Inception、ResNet等)并不能得到理想结果。上述问题的原因在于，该类方法并未充分考虑不同病种的影像判定标准，导致大量无关干扰被错误引入。

发明内容

本发明的目的是提供一种对具有特定发病位置的病种进行分类训练和检测的方法、装置以及计算设备、计算机可读存储介质与计算机程序产品。

根据本发明的一个方面，提供了一种模型训练方法，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。

根据本发明的另一个方面，还提供了一种用于对具有特定发病位置的病种进行检测的方法，其中，该方法还包括：

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。

根据本发明的一个方面，还提供了一种模型训练装置，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。

根据本发明的另一个方面，还提供了一种用于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；