【技术实现步骤摘要】
肺结节检测方法、设备、介质及计算机程序产品
本申请涉及人工智能
，尤其涉及一种肺结节检测方法、设备、介质及计算机程序产品。
技术介绍
随着计算机技术的不断发展，基于人工智能的医疗领域应用也发展的越来越快。在传统就医流程中，肺结节患者在拿到肺结节CT图像后，通常需要长时间的人工诊断，才能获得肺结节CT图像对应的肺结节检测报告，其花费时间较长，患者体验较差，目前，通常通过神经网络模型对肺结节进行识别检测，并通过排版工具快速生成肺结节检测报告，以实现肺结节检测报告的自动化快速生成，但是，由于各地的患者群体和医院设备均存在差异性，导致基于神经网络模型进行肺结节检测的准确性较低，进而导致肺结节检测报告的置信度较低。
技术实现思路
本申请的主要目的在于提供一种肺结节检测方法、设备、介质及计算机程序产品，旨在解决现有技术中肺结节检测报告的置信度低的技术问题。为实现上述目的，本申请提供一种肺结节检测方法，所述肺结节检测方法应用于肺结节检测设备，所述肺结节检测方法包括：获取肺结节图像，并基于联邦学习构...
【技术保护点】
1.一种肺结节检测方法，其特征在于，所述肺结节检测方法包括：/n获取肺结节图像，并基于联邦学习构建的肺结节检测模型，对所述肺结节图像对应的待检测肺结节进行良恶性检测，获得良恶性检测结果；/n对所述良恶性检测结果进行针对于所述肺结节检测模型的模型解释，得到所述良恶性检测结果的各决策依据肺结节特征；/n获取所述肺结节图像对应的肺结节特征信息，并在所述肺结节特征信息中确定各所述决策依据肺结节特征对应的目标特征量化信息；/n基于各所述目标特征量化信息和所述良恶性检测结果，生成肺结节检测报告。/n
【技术特征摘要】
1.一种肺结节检测方法，其特征在于，所述肺结节检测方法包括：
获取肺结节图像，并基于联邦学习构建的肺结节检测模型，对所述肺结节图像对应的待检测肺结节进行良恶性检测，获得良恶性检测结果；
对所述良恶性检测结果进行针对于所述肺结节检测模型的模型解释，得到所述良恶性检测结果的各决策依据肺结节特征；
获取所述肺结节图像对应的肺结节特征信息，并在所述肺结节特征信息中确定各所述决策依据肺结节特征对应的目标特征量化信息；
基于各所述目标特征量化信息和所述良恶性检测结果，生成肺结节检测报告。
2.如权利要求1所述肺结节检测方法，其特征在于，所述肺结节识别检测模型包括特征提取层和分类层，
所述获取肺结节图像，并基于联邦学习构建的肺结节检测模型，对所述肺结节图像对应的待检测肺结节进行良恶性检测，获得良恶性检测结果的步骤包括：
基于所述特征提取层，对所述肺结节图像进行特征提取，获得图像特征提取结果；
将所述图像特征提取结果输入所述分类层，以基于所述图像特征提取结果，对所述肺结节图像进行分类，获得图像分类结果；
基于所述图像分类结果，确定所述待检测肺结节的良恶性，获得所述良恶性检测结果。
3.如权利要求1所述肺结节检测方法，其特征在于，所述获取所述肺结节图像对应的肺结节特征信息的步骤包括：
将所述肺结节图像输入预设目标检测模型，对所述肺结节图像中的待检测肺结节进行目标检测，获得所述肺结节特征信息。
4.如权利要求1所述肺结节检测方法，其特征在于，所述对所述良恶性检测结果进行针对于所述肺结节检测模型的模型解释，得到所述良恶性检测结果的各决策依据肺结节特征的步骤包括：
确定所述肺结节识别特征信息对应的各肺结节特征；
基于所述肺结节检测模型，分别计算各所述肺结节特征对所述良恶性检测结果的特征贡献度；
基于各所述特征贡献度，在各所述肺结节特征中选取各所述决策依据肺结节特征。
5.如权利要求4所述肺结节检测方法，其特征在于，所述基于所述肺结节检测模型，分别计算各所述肺结节特征对所述良恶性检测结果的特征贡献度的步骤包括：
基于各所述肺结节特征和所述肺结节识别特征信息，生成模型解释样本集；
基于所述模型解释样本集和所述肺结节检测模型，分别计算各所述特征贡献度。...
【专利技术属性】
技术研发人员：陈建蓉，黄启军，唐兴兴，陈瑞钦，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44
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。