[发明专利]模型训练方法、装置、病灶识别方法及电子设备

说明书

本申请提供一种模型训练方法、装置、病灶识别方法及电子设备。通过该模型训练方法，该电子设备在训练病灶识别模型时并基于高分辨率网络在提取特征信息的过程中，不断进行多维度的特征融合。并结合病灶分割结果以及病灶分类结果对训练过程进行监督。可以在对图像进行处理的过程中获取到更多的特征信息，从而使得预训练的病灶识别模型能够提高对医学影像的识别精度。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种模型训练方法、装置、病灶识别方法及电子设备。

背景技术

目前，医学影像已成为疾病诊断时的重要参考资料，但目前的诊断方式，主要依赖于医生的个人经验对医学影像逐张进行查看，进准确度均依赖于医生的个人经验，且诊断效率存在一定瓶颈。因此，需要提供一种高精度的医学影像识别模型一提升医生诊断的准确率及效率。

发明内容

为了克服现有技术中的至少一个不足，本申请实施例的目的之一在于提供一种模型训练方法，应用于电子设备，所述电子设备配置有基于高分辨率网络的病灶识别模型，所述病灶识别模型包括不同特征维度的多个子网络，所述多个子网络中的一部分用于进行图像分割，剩余的部分用于进行图像分类，所述方法包括：

获取样本医学影像，所述样本医学影像中标记有病灶区域以及病灶类别；

将所述样本医学影像输入到所述病灶识别模型；

结合对所述样本医学影像中病灶区域的分割结果以及分类结果，训练所述病灶识别模型进行病灶识别，获得预训练的病灶识别模型。

可选地，所述结合对所述样本医学影像中病灶区域的分割结果以及分类结果，训练所述病灶识别模型进行病灶识别，获得预训练的病灶识别模型的步骤，包括：

通过所述病灶识别模型对所述样本医学影像进行处理，获得对所述样本医学影像中病灶区域的分割结果以及分类结果；

根据所述分割结果与所述样本医学影像中标记的病灶区域，获得第一损失值；

根据所述分类结果与所述样本医学影像中标记的病灶类型，获得第二损失值；

将所述第一损失值与所述第二损失值的加权求和值与预设损失阈值进行比较；

若大于该预设损失阈值，则通过所述加权求和值对所述病灶识别模型的参数进行调整，再次从所述通过所述病灶识别模型对所述样本医学影像进行处理，则获得对所述样本医学影像中病灶区域的分割结果以及分类结果的步骤开始执行；

若不大于该预设损失阈值，则获得所述预训练的病灶识别模型。

可选地，所述分割结果包括二分类病灶掩膜以及多分类病灶掩膜，其中，所述二分类病灶掩膜中标识了病灶区域以及非病灶区域，所述多分类病灶掩膜中标识了不同类型的病灶区域以及非病灶区域，所述根据所述分割结果与所述样本医学影像中标记的病灶区域，获得第一损失值的步骤，包括：

根据所述二分类病灶掩膜中所标识的病灶区域以及所述样本医学影像中标记的病灶区域，获得第一掩膜损失值；

根据所述多分类病灶掩膜中所标识的不同类型的病灶区域以及所述样本医学影像中标记的各类别的病灶区域，获得第二掩膜损失值；

对所述第一掩膜损失值以及所述第二掩膜损失值进行加权求和，获得所述第一损失值。

可选地，所述样本医学影像为CT样本图像，所述将所述样本医学影像输入到所述病灶识别模型之前，所述方法还包括：

获取CT原始图像；

将所述CT原始图像的CT值调整至预设范围，获得调整后的CT原始图像；

对所述调整后的CT原始图像的进行归一化处理，获得所述CT样本图像。