[发明专利]医学图像样本筛查方法、装置、计算机设备和存储介质

权利要求书

1.一种医学图像样本筛查方法，其特征在于，用于对未标注的医学图像样本进行智能筛查，包括如下步骤：

选取针对当前医疗影像病灶目标检测任务的初始已标注样本集L，利用Mask-RCNN模型对所述初始已标注样本集L进行模型训练，以获取当前医疗影像病灶目标检测的病灶目标检测深度模型C；

根据所述初始病灶目标检测深度模型C对未标注医学图像样本集U进行逐一预测，得到所述未标注医学图像样本集U中每个医学图像样本的预测结果，并根据预测结果判断每个医学图像样本的标注价值；

选取所述未标注医学图像样本集U中标注价值高的医学图像样本进行标注确认后，对当前的病灶目标检测深度模型C进行迭代更新；

根据迭代更新后的病灶目标检测深度模型C对新的医学图像病灶样本进行验证，直到病灶目标检测深度模型C的性能不能再继续标注新的样本时，则结束迭代更新。

2.如权利要求1所述的医学图像样本筛查方法，其特征在于，根据所述初始病灶目标检测深度模型C对未标注的医学图像样本集U进行逐一预测，得到所述未标注医学图像样本集U中每个医学图像样本的预测结果，并根据预测结果判断每个医学图像样本的标注价值包括如下步骤：

计算未标注的医学图像样本集U中每个医学图像样本的病灶目标置信度值；

计算未标注的医学图像样本集U中每个医学图像样本的病灶目标实例抗扰动稳定度值；

根据所述病灶目标置信度值和病灶目标实例抗扰动稳定度值，结合主动学习算法计算出样本标注价值。

3.如权利要求2所述的医学图像样本筛查方法，其特征在于，所述计算未标注的医学图像样本集U中每个医学图像样本的病灶目标置信度值包括如下步骤：

根据所述病灶目标检测深度模型C，计算未标注的医学图像样本集U中每个医学图像样本中的病灶目标的目标检测框数量；

根据每个医学图像样本中的目标检测框数量计算出病灶目标置信度值。

4.如权利要求3所述的医学图像样本筛查方法，其特征在于，所述计算未标注的医学图像样本集U中每个医学图像样本的病灶目标实例抗扰动稳定度值包括如下步骤：

根据所述病灶目标检测深度模型C，采用Mask-RCNN模型中的RPN网络来生成未标注的医学图像样本集U中每个医学图像样本中包含病灶目标的区域；

选取与病灶目标实例最接近的两个病灶目标区域；

计算病灶目标实例与两个病灶目标区重叠的交集与并集的比值，作为病灶目标实例的抗扰动稳定度值。

5.如权利要求4所述的医学图像样本筛查方法，其特征在于，根据所述病灶目标置信度和病灶目标实例抗扰动稳定度，结合主动学习算法计算出样本标注价值包括如下步骤：

选取病灶目标置信度值为0.4～0.7之间的医学图像样本，表达为max Unc(x,L,u)，其中，L表示为已标注样本，u表示为未标注样本，x为选取的医学图像样本，Unc表示为置信度；

选取抗扰动稳定度值为0.3～0.9之间的医学图像样本，表达为IOU(x,L,u)，其中，L表示为已标注样本，u表示为未标注样本，x为选取的医学图像样本，IOU表示为抗扰动稳定度值；

通过主动学习算法公式max f(x,L,u)＝max Unc(x,L,u)*IOU(x,L,u)β修正计算出每个医学图像样本的标注价值max f(x,L,u)，其中，β是调解所述抗扰动稳定度值比重的参数。