数据处理方法及装置、电子设备、可读存储介质制造方法及图纸

本申请提供一种数据处理方法及装置、电子设备、可读存储介质。数据处理方法，包括：获取医生端传输的患者CT图像；根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果；将所述勾画结果反馈给医生端；接收所述医生端反馈的修改勾画结果；所述修改勾画结果中的病变区域为所述医生端的医生对所述勾画结果中的病变区域进行修改后得到的病变区域；根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型；所述更新的分割模型用于对所述医生端下次传输的患者CT图像的病变区域进行勾画。该方法用以提高勾画模型的适用性，进而提高勾画结果的应用性。

【技术实现步骤摘要】
数据处理方法及装置、电子设备、可读存储介质
本申请涉及图像处理
，具体而言，涉及一种数据处理方法及装置、电子设备、可读存储介质。
技术介绍
现有技术中，可以利用神经网络模型对患者的图像数据进行处理，实现病变区域的自动勾画。在传统的自动勾画技术中，不能实现用于勾画的神经网络模型与不同的医生风格的适应，进而导致勾画结果可能与医生的勾画风格相差较大，使自动勾画结果的应用性较差，比如：医生对于不熟悉的勾画风格的勾画结果并不能有效地进行应用。可见，现有的自动勾画技术中，勾画模型的适用性较差，进而勾画结果的应用性也较差。
技术实现思路
本申请实施例的目的在于提供一种数据处理方法及装置、电子设备、可读存储介质，用以提高勾画模型的适用性，进而提高勾画结果的应用性。第一方面，本申请实施例提供一种数据处理方法，包括：获取医生端传输的患者CT(ComputedTomography，电子计算机断层扫描)图像；根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果；将所述勾画结果反馈给医生端；接收所述医生端反馈的修改勾画结果；所述修改勾画结果中的病变区域为所述医生端的医生对所述勾画结果中的病变区域进行修改后得到的病变区域；根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型；所述更新的分割模型用于对所述医生端下次传输的患者CT图像的病变区域进行勾画。在本申请实施例中，与现有技术相比，在基于预先训练好的分割模型(即勾画模型)获得对应的勾画结果之后，将勾画结果反馈给医生端；医生端的医生可以通过医生端反馈修改勾画结果；基于该修改结果，可以对分割模型进行再次训练，即，分割模型具有在线学习的能力，可以实现分割模型的勾画风格的适应性训练，在一次或者多次适应性训练之后，获得的更新的分割模型与医生端的医生的风格更匹配，提高分割模型的适用性，进而提高勾画结果的应用性。作为一种可能的实现方式，所述预先训练好的分割模型包括与不同的癌症种类对应的分割模型，在所述根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果之前，所述方法还包括：根据预先训练好的分类模型确定所述患者CT图像对应的癌症种类；对应的，所述根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果，包括：根据所述患者CT图像对应的癌症种类对应的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果。在本申请实施例中，不同的癌症种类可以对应不同的分割模型，在进行勾画之前，可以先基于分类模型确定对应的癌症种类；然后再基于癌症种类对应的分割模型对患者CT图像进行勾画，提高自动勾画的效果。作为一种可能的实现方式，所述根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型，包括：根据所述修改勾画结果对所述患者CT图像对应的癌症种类对应的分割模型进行再次训练，获得更新的所述患者CT图像对应的癌症种类对应的分割模型；所述更新的所述患者CT图像对应的癌症种类对应的分割模型用于对所述医生端下次传输的所述对应的癌症种类的患者CT图像的病变区域进行勾画。在本申请实施例中，在进行自主学习时，可以按照对应的癌症种类进行自主学习，提高自主学习的效果。比如：如果不是相应的癌症种类对应的分割模型的勾画结果的修改结果，即便进行自主学习，自主学习的结果也是无效的。作为一种可能的实现方式，在所述根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型之后，所述方法还包括：根据所述更新的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的更新勾画结果；根据所述更新勾画结果和所述修改勾画结果确定所述更新的分割模型与所述医生的勾画风格的适配度；根据所述适配度对所述更新的分割模型进行优化。在本申请实施例中，在分割模型完成风格适应性训练之后，还可以确定更新的分割模型与医生的勾画风格的适配度，基于该适配度，可以对更新的分割模型进行优化，提高分割模型的适应性，进而提高勾画结果的应用性。作为一种可能的实现方式，所述根据所述适配度对所述更新的分割模型进行优化，包括：若所述适配度小于预设适配度，生成所述更新的分割模型对应的优化请求；将所述优化请求发送给所述医生端；接收所述医生端反馈的样本数据；所述样本数据中包括多个勾画结果，所述多个勾画结果中的病变区域为所述医生勾画的病变区域；根据所述样本数据对所述更新的分割模型进行优化。在本申请实施例中，如果适配度小于预设适配度，通过向医生端请求样本数据，基于该样本数据，可以实现基于更多的训练数据的更新的分割模型的优化，提高分割模型的适应性，进而提高勾画结果的应用性。作为一种可能的实现方式，所述根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型，包括：获取所述预先训练好的分割模型对应的训练样本；所述训练样本中包括不同的勾画风格的多个勾画结果；查找所述多个勾画结果中是否有与所述修改勾画结果的勾画风格匹配的勾画结果；若所述多个勾画结果中有与所述修改勾画结果的勾画风格匹配的勾画结果，根据所述修改勾画结果和与所述修改勾画结果的勾画风格匹配的勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型。在本申请实施例中，在分割模型进行自主学习时，除了医生端反馈的修改勾画结果，还可以从预先的训练样本中查找匹配的勾画风格的勾画结果，将两种勾画结果作为训练样本对分割模型进行再次训练，提高训练样本的数量，进而提高风格适应性训练的效果。作为一种可能的实现方式，在所述根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型之后，所述自动勾画方法还包括：获取所述医生端传输的新的患者CT图像；根据所述更新的分割模型对所述新的患者CT图像的病变区域进行勾画，获得所述新的患者CT图像对应的第一勾画结果；根据所述预先训练好的分割模型对所述新的患者CT图像的病变区域进行勾画，获得所述新的患者CT图像对应的第二勾画结果；将所述第一勾画结果和所述第二勾画结果反馈给所述医生端；接收所述医生端反馈的新的修改勾画结果；所述修改勾画结果中的病变区域为所述医生端的医生对所述第一勾画结果和/或所述第二勾画结果中的病变区域进行修改后得到的病变区域；根据所述新的修改勾画结果对所述更新的分割模型进行再次训练，获得再次更新的分割模型；所述再次更新的分割模型用于对所述医生端下次传输的患者CT图像的病变区域进行勾画。在本申请实施例中，在应用更新的分割模型时，可以将基于更新的分割模型获得的第一勾画结果与基于原始的分割模型获得的第二勾画结果都反馈给医生端，使医生端的医生可以基于两种勾画结果反馈新的修改勾画结果，进而，基于新的修改勾画结果，还可以进行更新的分割模型的再次训练，实现分割模型的不断地自主学习，提高分割模型与医生勾画风格的适配度，进而提高分割模型的适用性。第二本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n获取医生端传输的患者CT图像；/n根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果；/n将所述勾画结果反馈给医生端；/n接收所述医生端反馈的修改勾画结果；所述修改勾画结果中的病变区域为所述医生端的医生对所述勾画结果中的病变区域进行修改后得到的病变区域；/n根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型；所述更新的分割模型用于对所述医生端下次传输的患者CT图像的病变区域进行勾画。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
获取医生端传输的患者CT图像；
根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果；
将所述勾画结果反馈给医生端；
接收所述医生端反馈的修改勾画结果；所述修改勾画结果中的病变区域为所述医生端的医生对所述勾画结果中的病变区域进行修改后得到的病变区域；
根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型；所述更新的分割模型用于对所述医生端下次传输的患者CT图像的病变区域进行勾画。


2.根据权利要求1所述的方法，其特征在于，所述预先训练好的分割模型包括与不同的癌症种类对应的分割模型，在所述根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果之前，所述方法还包括：
根据预先训练好的分类模型确定所述患者CT图像对应的癌症种类；
对应的，所述根据预先训练好的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果，包括：
根据所述患者CT图像对应的癌症种类对应的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的勾画结果。


3.根据权利要求2所述的方法，其特征在于，所述根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型，包括：
根据所述修改勾画结果对所述患者CT图像对应的癌症种类对应的分割模型进行再次训练，获得更新的所述患者CT图像对应的癌症种类对应的分割模型；所述更新的所述患者CT图像对应的癌症种类对应的分割模型用于对所述医生端下次传输的所述对应的癌症种类的患者CT图像的病变区域进行勾画。


4.根据权利要求1所述的方法，其特征在于，在所述根据所述修改勾画结果对所述预先训练好的分割模型进行再次训练，获得更新的分割模型之后，所述方法还包括：
根据所述更新的分割模型对所述患者CT图像的病变区域进行勾画，获得所述患者CT图像对应的更新勾画结果；
根据所述更新勾画结果和所述修改勾画结果确定所述更新的分割模型与所述医生的勾画风格的适配度；
根据所述适配度对所述更新的分割模型进行优化。


5.根据权利要求4所述的方法，其特征在于，所述根据所述适配度对所述更新的分割模型进行优化，包括：
若所述适配度小于预设适配度，生成所述更新的分割模型对应的优化请求；
将所述优化请求发送给所述医生端；
接收所述医生端反馈的样本数据；所述样本数据中包括多个勾画结果，所述多个勾画结果中的病变区域为所述医生勾画的病变区域；
根据所述样本数据对所述更新的分割模型进行优化。


6.根...

【专利技术属性】
技术研发人员：姚宇，王辛，陈哲彬，沈亚丽，付麟杰，周继陶，窦猛，欧阳淦露，罗旭，王芳，朱遥遥，唐瑗玲，文含，
申请(专利权)人：中科院成都信息技术股份有限公司，
类型：发明
国别省市：四川;51