[发明专利]一种肺炎图像识别方法、装置及计算设备

说明书

本发明公开了一种肺炎识别方法及装置，其中，该方法是通过获取第一样本集，对第一样本集进行数据增强，得到第二样本集；利用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训练好的肺部识别模型，得到识别结果；获取专家根据识别结果确诊为COVID‑19患者的肺部图像，根据第二样本集和第三样本集点对训练好的肺炎识别模型进行再次训练，通过使用该训练好的肺炎识别模型来识别疑似COVID‑19患者的肺部图像，可以有效地减少人类专家的工作量，帮助提升COVID‑19患者检测效率和准确率。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种肺炎图像识别方法、装置及计算设备。

背景技术

目前，深度学习技术已经被广泛应用在图像检测识别领域，例如人脸识别、车牌识别等场景。为了得到较好的识别率，通常需要大量人工标注的图像数据去训练深层的卷积神经网络模型。然而，医疗图像等跟病人隐私相关的数据往往是难以获取到的，因此难以获取到足够数量的数据进行标注，另一方面，即便能够获取到满足数量要求的图像数据，在短时间内完成标注得到准确的标注数据也是相当困难的。

当前，新型冠状病毒导致的肺炎疫情仍然不可忽视，传统的诊断过程通常需要经验丰富的医生对患者的肺炎图像进行查看分析然后得出诊疗结论，在疑似患者急剧增加的时候，仅仅通过人类专家去查看病理图像是远远不够的。当前也有使用深度学习技术来辅助医生进行诊断的案例，比如肿瘤识别等，但对于新型冠状病毒肺炎(corona virusdisease 2019，COVID-19)的识别应用还较少，原因之一就是标注的数据量过少，不足以训练一个良好的检测模型。

发明内容

为了解决上述问题，本发明实施例提供一种肺炎图像识别方法及装置，能够有效地识别疑似COVID-19患者的肺部图像，减少医护人员的工作量，提升COVID-19患者肺部图像的检测效率和准确率。

第一方面，本申请实施例提供了一种肺炎图像识别方法，该方法包括：

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。

在一种具体的实现方式中，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。

在一种具体的实现方式中，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。

在一种具体的实现方式中，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。

在一种具体的实现方式中，所述肺炎识别模型是深度卷积神经网络模型。