CT图像的病灶标注方法及装置、存储介质制造方法及图纸

本申请公开了一种CT图像的病灶标注方法。该方法包括：获取病灶检测模型；将标注的关键CT图像及与其相邻的CT图像输入所述病灶检测模型进行预测；按照预设筛选规则筛选预测结果中的伪标签，得到目标标签集合；将所述目标标签集合及其对应的CT图像加入训练集中。本申请解决了由于无法在已标注CT图像中确定漏标，且无法以半监督的方法在大量未标注的CT图像上确定标签，造成的深度学习算法性能会受到限制的技术问题。

【技术实现步骤摘要】
CT图像的病灶标注方法及装置、存储介质
本申请涉及病灶检测领域，具体而言，涉及一种CT图像的病灶标注方法及装置、存储介质。
技术介绍
随着医学影像学设备的快速发展和普及，计算机断层扫描(CT)成为医疗机构开展疾病诊断不可或缺的设备。CT的工作程序如下：它根据人体不同组织对X线的吸收与透过率的不同，应用灵敏度极高的仪器对人体进行测量，然后将测量所获取的数据输入电子计算机，电子计算机对数据进行处理后，就可摄下人体被检查部位的断面或立体的图像，发现体内任何部位的细小病变。由于医院每天产生大量的CT图像，而医生阅读病人的CT图像是非常耗时的。因此人们希望借助计算机技术自动检测CT图像上的疾病，辅助医生进行诊断，从而提高医生的工作效率。传统CT图像病变检测方法主要包括三个部分:区域选择、特征提取、分类器进行识别。其存在的两个主要问题为：基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余；二是手工设计的特征对于多样性的变化并没有很好的鲁棒性。进入深度学习时代以来，人们开发出基于深度学习检测算法用于检测CT图像上的病本文档来自技高网...

【技术保护点】
1.一种CT图像的病灶标注方法，其特征在于，包括：/n获取病灶检测模型；/n将标注的关键CT图像及与其相邻的CT图像输入所述病灶检测模型进行预测；/n按照预设筛选规则筛选预测结果中的伪标签，得到目标标签集合；/n将所述目标标签集合及其对应的CT图像加入训练集中。/n

【技术特征摘要】
1.一种CT图像的病灶标注方法，其特征在于，包括：
获取病灶检测模型；
将标注的关键CT图像及与其相邻的CT图像输入所述病灶检测模型进行预测；
按照预设筛选规则筛选预测结果中的伪标签，得到目标标签集合；
将所述目标标签集合及其对应的CT图像加入训练集中。


2.根据权利要求1所述的病灶检测方法，其特征在于，获取病灶检测模型包括：
获取标注的二维CT图像；
对所述二维CT图像进行三维处理，得到CT图像；
通过所述CT图像训练所述卷积神经网络，得到病灶检测模型。


3.根据权利要求1所述的病灶标注方法，其特征在于，将标注的关键CT图像及与其相邻的CT图像输入所述病灶检测模型进行预测包括：
将标注的关键CT图像及与其相邻的CT图像输入所述病灶检测模型；
通过所述病灶检测模型预测所述关键CT图像的病灶，得到第一伪标签；
通过所述病灶检测模型预测相邻的两个CT图像的病灶，得到第二伪标签和第三伪标签；
将关键CT图像的标注加入目标标签集合。


4.根据权利要求3所述的病灶标注方法，其特征上在于，按照预设筛选规则筛选预测结果中的伪标签，得到目标标签集合包括：
确定预测结果中第一伪标签和第二伪标签，第一伪标签和第三伪标签的预测框间的第一IOU；
判断是否至少有一个第一IOU大于预设阈值；
如果是，则将所述第一伪标签加入目标标签集合。


5.根据权利要求4所述的病灶标注方法，其特征在于，判断是否至少有一个IOU大于预设阈值之后还包括：
如果不是，则确定第二伪标签和第三伪标签的预测框间的第二IOU；
判断第二IOU是否大于预设阈值；

【专利技术属性】
技术研发人员：张树，卢光明，俞益洲，
申请(专利权)人：杭州深睿博联科技有限公司，北京深睿博联科技有限责任公司，
类型：发明
国别省市：浙江;33