[发明专利]医学影像检测方法和医学影像检测模型的训练方法

说明书

本申请涉及一种医学影像检测方法和医学影像检测模型的训练方法。该方法包括：计算机设备获取检测对象目标部位的医学影像数据，将目标部位的医学影像数据输入至预设的特征提取模型中，得到目标部位的特征提取结果，根据特征提取结果，确定检测对象目标部位的检测结果，其中，特征提取模型包括有向稀疏采样网络和生成式对抗网络。在本方法中，由于特征提取模型中有机结合了有向稀疏采样网络和生成式对抗网络，基于预设的特征提取模型进行目标部位的提取，可以提高，目标部位特征提取的速度、特征提取模型的检测精度、以及特征提取结果的准确性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种医学影像检测方法和医学影像检测模型的训练方法。

背景技术

随着图像处理技术应用至医疗领域，可以通过图像特征提取方法实现对患者目标部位的检测、提取、以及病状预测。例如，在目标部位为肺结节的情况下，通过根据患者的医学图像进行肺结节特征提取，以完成对患者肺结节的检测诊断操作。

传统肺结节检测方法依赖人工设计的特征提取算子，即通过人工设计的特征提取算子对肺结节的形态学特征、纹理特征、局部特征等进行特征提取，从而得到肺结节的特征提取结果。

但是，基于人工设计的特征提取算子进行特征提取的方法具有很大的局限性，其特征识别速度慢且识别效果存在偏差。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高特征识别效果的医学影像检测模型的医学影像检测方法和医学影像检测模型的训练方法。

第一方面，提供一种医学影像检测方法，该方法包括：

获取检测对象目标部位的医学影像数据；

将目标部位的医学影像数据输入至预设的特征提取模型中，得到目标部位的特征提取结果；特征提取模型包括有向稀疏采样网络和生成式对抗网络；

根据特征提取结果，确定检测对象目标部位的检测结果。

在其中一个可选地实施例中，上述特征提取模型的训练方法包括：

获取初始样本数据集；

根据初始样本数据集对初始特征提取模型进行训练，得到特征提取模型；初始特征提取模型包括初始有向稀疏采样网络和初始生成式对抗网络。

在其中一个可选地实施例中，根据初始样本数据集对初始特征提取模型进行训练，得到特征提取模型，包括：

根据初始样本数据集，分别对初始有向稀疏采样网络和初始生成式对抗网络进行训练，得到候选有向稀疏采样网络和候选生成式对抗网络；

将候选有向稀疏采样网络和候选生成式对抗网络进行结合，生成候选特征提取模型；候选特征提取模型包括候选有向稀疏采样网络和候选生成式对抗网络的共享卷积层；

根据初始样本数据集对候选特征提取模型进行训练，得到特征提取模型。

在其中一个可选地实施例中，根据初始样本数据集对候选特征提取模型进行训练，得到特征提取模型，包括：

在候选特征提取模型中，将候选生成式对抗网络的参数保持不变，对候选有向稀疏采样网络进行训练，得到第一中间特征提取模型；

在第一中间特征提取模型中，将候选有向稀疏采样网络的参数保持不变，对候选生成式对抗网络进行训练，更新候选特征提取模型；和/或，

在候选特征提取模型中，将候选有向稀疏采样网络的参数保持不变，对候选生成式对抗网络进行训练，得到第二中间特征提取模型；

在第二中间特征提取模型中，将候选生成式对抗网络的参数保持不变，对候选有向稀疏采样网络进行训练，更新候选特征提取模型；