[发明专利]标志检测模型的在线学习的方法和设备

权利要求书

1.一种用于标志检测模型的在线学习的方法，包括：

接收要在3D医学图像中检测的标志的选择；

通过以下步骤来确定在3D医学图像中针对所选标志的当前标志检测结果：

确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠；

响应于确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是可靠的，使用对应于所选标志的所述存储的经训练的基于机器学习的标志检测模型在3D医学图像中自动地检测所选标志，以及

响应于确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是不可靠的，接收3D医学图像中的所选标志的手动标注；以及

基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型。

2.根据权利要求1所述的方法，其中，确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠包括：

当确定不存在对应于所选标志的存储的标志检测模型时，确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是不可靠的。

3.根据权利要求1所述的方法，其中，确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠包括：

基于与对应于所选标志的存储的经训练的基于机器学习的标志检测模型相关联的置信度值来确定对应于所选标志的存储的经训练的基于机器学习的标志检测模型是否可靠，其中，所述置信度值是基于以下中的至少一个：

用来训练对应于所选标志的存储的经训练的基于机器学习的标志检测模型的多个训练样本，

与使用对应于所选标志的存储的经训练的基于机器学习的标志检测模型的先前标志检测结果有关的用户输入，以及

在测试图像中的对应于所选标志的存储的经训练的基于机器学习的标志检测模型的检测错误。

4.根据权利要求1所述的方法，其中，确定在3D医学图像中针对所选标志的当前标志检测结果包括：

从用户接收3D医学图像中的所选标志的手动标注和调用自动标志检测的用户选择中的一个；以及

响应于接收到调用自动标志检测的用户选择，使用对应于所选标志的存储的经训练的基于机器学习的标志检测模型来在3D医学图像中自动地检测所选标志。

5.根据权利要求1所述的方法，还包括：

在更新存储的经训练的基于机器学习的标志检测模型之前，确定是否需要改进所述当前标志检测结果；以及

响应于确定需要改进所述当前标志检测结果，接收改进所述当前标志检测结果的手动标注。

6.根据权利要求1所述的方法，其中，基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型包括：

将针对所选标志的当前标志检测结果作为新标志标注存储在标志标注的数据库中；以及

响应于所述新标志标注在标志标注的数据库中的存储而更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型。

7.根据权利要求6所述的方法，其中，将针对所选标志的当前标志检测结果作为新标志标注存储在标志标注的数据库中包括：

响应于用以保持所述当前标志检测结果的用户输入而将针对所选标志的所述当前标志检测结果作为新标志标注存储在标志标注的数据库中。

8.根据权利要求6所述的方法，其中，基于在3D医学图像中针对所选标志的当前标志检测结果来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型还包括：

将标志标注的数据库中的所述新标志标注与存储在医学图像的数据库中的3D医学图像链接。

9.根据权利要求8所述的方法，其中，响应于所述新标志标注在标志标注的数据库中的存储而更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型包括：

向对应于所选标志的正训练样本组添加所述新标志标注；

将选自被链接到所述新标志标注的3D医学图像的负训练样本添加到对应于所选标志的负训练样本组；以及

基于对应于所选标志的所述正训练样本组和对应于所选标志的所述负训练样本组来更新对应于所选标志的存储的经训练的基于机器学习的标志检测模型。