【技术实现步骤摘要】
一种基于深度学习的肺结节检出软件测试方法
本专利技术涉及软件测试
，特别涉及一种基于深度学习的肺结节检出软件测试方法。
技术介绍
医学影像诊断对疾病的判断起着至关重要的作用，因此，通过影像判断是否发生疾病，以及疾病程度如果通过人工判断的话，由于大量影像的存在，会存在人工成本高，且会有误判情况的发生。目前，深度学习与医疗影像诊断的结合在一定程度上缓解了此类问题。通过深度学习海量的影像数据和临床诊断数据，模型不断进行迭代训练，优化其预测能力。目前市场上的肺结节检出软件，宣传的准确率一般为95％以上，但是作为能够实际应用于医疗机构的医学肺部图像检测系统中，该软件的实际检测能力并不能通过客观的方式给出，也就说没有一个测试系统能够客观地给出肺结节检出软件是否达标。
技术实现思路
有鉴于此，本申请提供一种基于深度学习的肺结节检出软件测试方法，能够全面、客观地评价一个肺结节检出软件是否达标。为解决上述技术问题，本申请的技术方案是这样实现的：由上面的技术方案可见，上述实施例中通过构建...
【技术保护点】
1.一种基于深度学习的肺结节检出软件测试方法，其特征在于，所述方法包括：/n建立多样性的测试样本集，所述测试样本集中包括针对肺部的多张肺部图像，且每张肺部图像对应文本信息；其中，所述文本信息包括分类信息和辅助诊断信息；/n基于所述测试样本集对被测试的肺结节检出软件进行性能测试，其中，所述性能测试指标包括：准确率；/n若性能测试中的每项指标均满足对应的预设指标，则确定该肺结节检出软件的性能达标；否则，确定该肺结节检出软件的性能不达标，并提示不达标的性能测试指标。/n
【技术特征摘要】
1.一种基于深度学习的肺结节检出软件测试方法，其特征在于，所述方法包括：
建立多样性的测试样本集，所述测试样本集中包括针对肺部的多张肺部图像，且每张肺部图像对应文本信息；其中，所述文本信息包括分类信息和辅助诊断信息；
基于所述测试样本集对被测试的肺结节检出软件进行性能测试，其中，所述性能测试指标包括：准确率；
若性能测试中的每项指标均满足对应的预设指标，则确定该肺结节检出软件的性能达标；否则，确定该肺结节检出软件的性能不达标，并提示不达标的性能测试指标。
2.根据权利要求1所述的方法，其特征在于，所述多样性的测试样本集中的肺部图像包括第一预设比例的初诊肺部图像和第二预设比例的复诊及病理肺部图像；其中，第一预设比例与第二预设比例的和为1；
所述多样性的测试样本集中的肺部图像分布具有多样性，所述分布包括：异常点模态、地域分布、肺部图像属性和人群分布。
3.根据权利要求1所述的方法，其特征在于，建立的多样性的测试样本集中的肺部图像，以及肺部图像对应的文本信息为DICOM格式的数据；
针对异常样本肺部图像，所述辅助诊断信息包括使用4个顶点坐标值标识的异常结构的范围的DICOM标记框文件。
4.根据权利要求1所述的方法，其特征在于，针对每张肺部图像，获取多个人工标注的文本信息，当多个人工标注的文本信息均相同时，确定获取的人工标注的文本信息为该张肺部图像的文本信息；否则，再次获取该肺部图像对应的人工标注的文本信息，直到获取的多个人工标注的文本信息均相同时，确定该肺部图像的文本信息。
5.根据权利要求1所述的方法，其特征在于，所述准确率对应的预设指标为：预设准确率；
所述准确率为：使用所述被测试的肺结节检出软件的检测结果与对应分类信息匹配的肺部图像的张数与所述测试样本集中肺部图像的总张数的比值；
若所述准确率大于预设准确率，则所述准确率满足对应的预设指标。
6.根据权利要求1所述的方法，其特征在于，所述性能检测指标还包括：检测每张肺部图像的平均时间、增益率、检测每张肺部图像消耗的平均资源、灵敏度、特效率、精确率和综合评价指标；针对检测每张肺部图像的平均时间、增益率和检测每张肺部图像消耗的平均资源对应的预设指标为：预设准确率、预设平均时间、预设增益率、预设资源值、预设灵敏度、预设特效率、预设精确率和预设综合评价指标；
若所述检测每张肺部图像的平均时间大于预设平均时间，则所述检测每张肺部图像的平均时间满足对应的预设指标；
若所述增益率大于预设增益率，则所述增益率满足对应的预设指标；
若所述检测每张肺部图像消耗的平均资源大于预设资源值，则所述检测每张肺部图像消耗的平均资源满足对应的预设指标；
若所述灵敏度大于预设灵敏度，则所述灵敏度满足对应的预设指标；
若所述特效率大于预设特效率，则所述特效率满足对应的预设指标；
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。