[发明专利]一种肺炎图像识别方法、装置及计算设备

权利要求书

1.一种肺炎图像识别方法，其特征在于，所述方法包括：

获取第一样本集，对所述第一样本集中的肺部图像进行数据增强，得到第二样本集；

利用所述第二样本集对肺炎识别模型进行训练，得到训练好的肺炎识别模型；

获取疑似COVID-19患者的肺部图像，将所述疑似COVID-19患者的肺部图像输入至所述训练好的肺炎识别模型中，得到识别结果；

获取第三样本集，利用所述第二样本集和所述第三样本集对所述训练好的肺炎识别模型进行再次训练，其中，所述第三样本集包括根据所述识别结果得到的确诊的COVID-19患者的肺部图像。

2.根据权利要求1所述的方法，其特征在于，所述第一样本集包括第一部分样本集和第二部分样本集，所述第一部分样本集是有标注COVID-19的肺部图像；所述第二部分样本集是未标注COVID-19的肺部图像。

3.根据权利要求2所述的方法，其特征在于，所述第二样本集包括第三部分样本集和第四部分样本集；

所述第三部分样本集包括所述第一部分样本集和第一部分增强后样本集；所述第一部分增强后样本集包括利用第一扩充算法对所述第一部分样本集中的肺部图像进行数据增强后得到的肺部图像；

所述第四部分样本集包括所述第二部分样本集和第二部分增强后样本集；所述第二部分增强后样本集包括利用第二扩充算法对所述第二部分样本集中的肺部图像进行数据扩充后得到的肺部图像。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述识别结果包括置信度以及肺炎病理区域，所述置信度表示所述疑似COVID-19患者的肺部图像属于COVID-19的概率，所述肺炎病理区域指示肺炎病灶位置。

5.根据权利要求4所述的方法，其特征在于，所述肺炎识别模型是深度卷积神经网络模型。

6.根据权利要求3所述的方法，其特征在于，所述第一扩充算法包括自动扩充算法autoaugment，所述第二扩充算法包括生成式对抗网络以及所述自动扩充算法autoaugment。

7.根据权利要求5所述的方法，其特征在于，所述肺炎识别模型根据所述第一部分样本集的数量对肺炎识别模型中网络深度、宽度和图像分辨率三个参数中的一个或者多个进行更改。

8.一种肺炎图像识别装置，其特征在于，包括：

获取模块，用于获取第一样本集，其中，所述第一样本集包括第一部分样本集和第二部分样本集，所述第一部分样本集是有标注COVID-19的肺部图像；所述第二部分样本集是未标注COVID-19的肺部图像；

处理模块，用于对所述第一样本集中的肺部图像进行数据增强，得到第二样本集，其中，所述第二样本集包括第三部分样本集和第四部分样本集，所述第三部分样本集包括所述第一部分样本集和第一部分增强后样本集；所述第一部分增强后样本集是利用第一扩充算法对所述第一部分样本集中的肺部图像进行数据增强后得到的肺部图像；所述第四部分样本集包括所述第二部分样本集和第二部分增强后样本集；所述第二部分增强后样本集是利用第二扩充算法对所述第二部分样本集中的肺部图像进行数据扩充后得到的肺部图像；

所述获取模块，还用于获取疑似COVID-19患者的肺部图像；

所述处理模块，还用于将所述疑似COVID-19患者的肺部图像输入至所述训练好的肺炎识别模型中，得到识别结果；

所述获取模块，还用于获取第三样本集，利用所述第二样本集和所述第三样本集对所述训练好的肺炎识别模型进行训练，其中，所述第三样本集包括根据所述识别结果得到的确诊的COVID-19患者的肺部图像。

9.一种计算设备，其特征在于，所述计算设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于执行所述指令，当所述处理器执行所述指令时，执行如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至7中任一项所述的方法。