[发明专利]网络模型训练方法及装置、病灶定位方法及装置

说明书

公开了一种网络模型训练方法及装置、病灶定位方法及装置、计算机可读存储介质及电子设备。该网络模型训练方法包括：确定包括病灶的医学图像，其中，医学图像为胸部正位片图像；基于医学图像确定医学图像对应的病灶定位信息和组织定位信息；基于病灶定位信息、组织定位信息和医学图像生成训练数据；确定初始网络模型，并基于训练数据训练初始网络模型，以生成定位模型，其中，定位模型用于确定包括病灶的胸部正位片图像对应的定位信息。本公开实施例能够提高所生成的定位模型的精准度和鲁棒性，进而提高后续的病灶定位的定位精准度和鲁棒性。此外，能够极大提高训练速度。

技术领域

本公开涉及图像处理技术领域，具体涉及网络模型训练方法及装置、病灶定位方法及装置、计算机可读存储介质及电子设备。

背景技术

随着医学影像技术和图像处理技术的快速发展，基于医学影像的病灶定位技术日益成为辅助治疗的重要手段。然而，由于现有病灶定位方法主要通过对大量的高精度医学图像(比如包括数百张的CT图像序列)进行连续预测的方式来实现病灶定位，因此其定位速度较低。并且，由于现有病灶定位方法极易受到图像对比度、亮度等因素影响，因此其定位精准度和鲁棒性均较差。尤其当将现有病灶定位方法应用到包含肺器官的医学图像时，呼吸运动伪影会直接影响定位精准度，甚至直接导致定位失败。

因此，如何提高病灶定位方法的定位速度、定位精准度以及鲁棒性是亟待解决的问题。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种网络模型训练方法及装置、病灶定位方法及装置、计算机可读存储介质及电子设备。

在一方面，本公开实施例提供了一种网络模型训练方法，该网络模型训练方法包括：确定包括病灶的医学图像，其中，医学图像为胸部正位片图像；基于医学图像确定医学图像对应的病灶定位信息和组织定位信息；基于病灶定位信息、组织定位信息和医学图像生成训练数据；确定初始网络模型，并基于训练数据训练初始网络模型，以生成定位模型，其中，定位模型用于确定包括病灶的胸部正位片图像对应的定位信息。

在本公开一实施例中，初始网络模型包括病灶区域定位模块和组织定位模块，基于训练数据训练初始网络模型，包括：基于病灶定位信息和医学图像训练病灶区域定位模块；基于组织定位信息和医学图像训练组织定位模块。

在本公开一实施例中，病灶区域定位模块包括特征提取单元、与特征提取单元信号连接的病灶识别单元以及与病灶识别单元信号连接的病灶定位单元，其中，特征提取单元用于提取多尺度的特征图，并基于多尺度的特征图进行特征融合操作，以获取图像融合信息；病灶识别单元用于基于多尺度的特征图和图像融合信息确定多尺度的特征图对应的病灶预测框；病灶定位单元用于确定病灶预测框对应的坐标信息。

在本公开一实施例中，病灶识别单元还用于对多尺度的特征图对应的病灶预测框进行非极大值抑制操作。

在本公开一实施例中，病灶区域定位模块和/或组织定位模块基于ResNext-50网络模型和特征金字塔网络模型确定。

在本公开一实施例中，胸部正位片图像为CT定位片图像，病灶为具备肺部炎症特征的病灶，肺部炎症特征包括密度特征、透亮度特征、实变特征、渗出特征和感染特征中的至少一种。

在本公开一实施例中，组织定位信息包括肺野关键点定位信息，肺野关键点定位信息包括肺尖轮廓关键点信息、膈面轮廓关键点信息、肺尖至肋膈角轮廓关键点信息和肺尖至心膈角轮廓关键点信息中的至少一种。

在另一方面，本公开实施例提供了一种病灶定位方法，应用于包括病灶的胸部正位片图像，该病灶定位方法包括：将胸部正位片图像输入至定位模型，以确定胸部正位片图像对应的定位信息，其中，定位信息包括组织定位信息和第一病灶定位信息，定位模型基于上述任一实施例所述的网络模型训练方法获得；基于组织定位信息和第一病灶定位信息确定胸部正位片图像对应的第二病灶定位信息。