医学影像识别模型的更新方法、装置和计算机设备制造方法及图纸

本发明专利技术涉及图像处理技术领域，提供了一种医学影像识别模型的更新方法、装置和计算机设备，该方法包括：根据医学诊断报告从医学检查影像中选取待识别图像，待识别图像为医学检查影像中显示出医学诊断报告中记载的诊断结果的图像；将待识别图像输入医学影像识别模型进行学习识别得到识别结果；判断待识别图像的识别结果与医学诊断报告中记载的诊断结果是否一致；若不一致，则将待识别图像加入医学影像识别模型的图像训练样本，实现医学影像识别模型的迭代更新。本发明专利技术能够自动筛选医学影像识别模型的训练样本，自动进行医学影像识别模型的迭代更新，节约了人力、时间成本，缩短了医学影像识别模型的迭代周期，提高了迭代效率。提高了迭代效率。提高了迭代效率。

【技术实现步骤摘要】
医学影像识别模型的更新方法、装置和计算机设备


[0001]本专利技术涉及图像处理
，尤其涉及一种医学影像识别模型的更新方法、装置和计算机设备。

技术介绍

[0002]基于人工智能的医学影像识别模型是通过不断向影像识别模型中输入训练样本、测试迭代更新以持续的提高影像识别模型的准确率。当前影像识别模型的迭代方式是通过人工审核的方式，从医疗机构每日生成大量的影像数据中筛选出用于训练的样本并对样本进行标注，而且将影像数据使用影像识别模型识别后也需要人工审核校验识别结果。这种影像识别模型的迭代更新方式，会因训练数据采集效率低耗费大量的人力、时间成本，导致出现影像识别模型的迭代周期长的问题。

技术实现思路

[0003]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题的一种医学影像识别模型的更新方法、装置和计算机设备。
[0004]本专利技术的一个方面，提供了一种医学影像识别模型的更新方法，所述方法包括：根据医学检查影像对应的医学诊断报告从所述医学检查影像中选取用于验证预设的医学影像识别模型的待识别图像，待识别图像为所述医学检查影像中显示出所述医学诊断报告中记载的诊断结果的图像；将待识别图像输入所述医学影像识别模型进行学习识别，得到待识别图像的识别结果；判断所述待识别图像的识别结果与所述医学诊断报告中记载的诊断结果是否一致；若所述待识别图像的识别结果与所述医学诊断报告中记载的诊断结果不一致，则将所述待识别图像加入所述医学影像识别模型的图像训练样本，实现所述医学影像识别模型的迭代更新。
[0005]进一步地，所述根据医学检查影像对应的医学诊断报告从所述医学检查影像中选取用于验证预设的医学影像识别模型的待识别图像，包括：获取医学检查影像和与所述医学检查影像对应的医学诊断报告，所述医学检查影像包括多张目标图像；基于预设的图文多模态模型对各个目标图像进行学习识别，获得与各个目标图像对应的目标文本描述；将各个目标图像对应的目标文本描述与所述医学诊断报告中记载的诊断结果进行相似度比较，选取相似度最高的一张或多张目标图像作为待识别图像。
[0006]进一步地，所述将各个目标图像对应的目标文本描述与所述医学诊断报告中记载的诊断结果进行相似度比较包括：
将各个目标图像对应的目标文本描述以及所述医学诊断报告中记载的诊断结果分别转化成向量形式描述，以获得各个目标图像对应的目标识别向量和医学诊断报告中记载的诊断结果对应的标准向量；分别计算各个目标识别向量与所述标准向量的向量相似度；根据所述向量相似度判断各个目标图像对应的目标文本描述与所述医学诊断报告的诊断结果的相似度。
[0007]进一步地，所述分别计算各个目标识别向量与所述标准向量的向量相似度，包括：分别计算各个目标识别向量与所述标准向量的余弦相似度，将所述余弦相似度作为所述向量相似度；或分别计算各个目标识别向量与所述标准向量的向量距离，将所述向量距离作为所述向量相似度。
[0008]进一步地，所述将各个目标图像对应的目标文本描述以及所述医学诊断报告中记载的诊断结果分别转化成向量形式描述包括：根据所述医学诊断报告记载的诊断结果生成标准文本描述；分别将各个目标图像对应的目标文本描述和标准文本描述进行单词转化，以获得各个目标图像对应的目标单词组和医学诊断报告中记载的诊断结果对应的标准单词组；基于预设的向量生成模型将各个所述目标单词组和所述标准单词组分别转化成向量形式描述。
[0009]进一步地，所述标准文本描述与所述目标文本描述具有相同的语句结构。
[0010]进一步地，将所述待识别图像加入所述医学影像识别模型的图像训练样本，实现所述医学影像识别模型的迭代更新，包括：根据所述医学诊断报告对所述图像训练样本进行识别结果标注；将标注后的图像训练样本作为补充数据集放入所述医学影像识别模型的训练集中，获得更新后的训练集，以基于所述更新后的训练集对所述医学影像识别模型进行学习训练，实现所述医学影像识别模型的迭代更新。
[0011]进一步地，在基于预设的图文多模态模型对各个所述目标图像进行学习识别之前，所述方法还包括：获取收集到的医学检查影像样本和与所述医学检查影像样本对应的医学诊断报告样本，其中每个医学检查影像样本中包含多张目标图像样本；根据所述医学诊断报告样本对各个目标图像样本进行文本描述标注；将所述目标图像样本和所述目标图像样本的文本描述作为训练数据输入预设的图文多模态训练模型进行学习训练，得到图文多模态模型。
[0012]本专利技术的另一个方面，提供了一种医学影像识别模型的更新装置，所述装置包括：筛选模块，用于根据医学检查影像对应的医学诊断报告从所述医学检查影像中选取用于验证预设的医学影像识别模型的待识别图像，待识别图像为所述医学检查影像中显示出所述医学诊断报告中记载的诊断结果的图像；诊断结果识别模块，用于将待识别图像输入所述医学影像识别模型进行学习识别，得到待识别图像的识别结果；判断模块，用于判断所述待识别图像的识别结果与所述医学诊断报告中记载的诊
断结果是否一致；迭代更新模块，用于若所述待识别图像的识别结果与所述医学诊断报告中记载的诊断结果不一致，则将所述待识别图像加入所述医学影像识别模型的图像训练样本，实现所述医学影像识别模型的迭代更新。
[0013]本专利技术的另一个方面，提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时，实现如上任一项所述的医学影像识别模型的更新方法的步骤。
[0014]本申请实施例提供的一种医学影像识别模型的更新方法、装置和计算机设备，该方法为根据医学检查影像对应的医学诊断报告从医学检查影像中选取用于验证预设的医学影像识别模型的待识别图像，待识别图像为医学检查影像中显示出医学诊断报告中记载的诊断结果的图像；将待识别图像输入医学影像识别模型进行学习识别，得到待识别图像的识别结果；判断待识别图像的识别结果与医学诊断报告中记载的诊断结果是否一致；若待识别图像的识别结果与医学诊断报告中记载的诊断结果不一致，则将待识别图像加入医学影像识别模型的图像训练样本，实现医学影像识别模型的迭代更新。本专利技术能够自动筛选医学影像识别模型的训练样本，自动进行医学影像识别模型的迭代更新，节约了人力、时间成本，缩短了医学影像识别模型的迭代周期，提高了迭代效率。
[0015]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0016]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。在附图中：图1为本专利技术一个实施例的一种医学影像识别模型的更新方法的流程图；图2为本专利技术又一实施例的一种医学影像识别模型的更新方法的流程图；图3为本专利技术再一实施例的一种医学影像识别模型的更新方法的流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医学影像识别模型的更新方法，其特征在于，所述方法包括：根据医学检查影像对应的医学诊断报告从所述医学检查影像中选取用于验证预设的医学影像识别模型的待识别图像，待识别图像为所述医学检查影像中显示出所述医学诊断报告中记载的诊断结果的图像；将待识别图像输入所述医学影像识别模型进行学习识别，得到待识别图像的识别结果；判断所述待识别图像的识别结果与所述医学诊断报告中记载的诊断结果是否一致；若所述待识别图像的识别结果与所述医学诊断报告中记载的诊断结果不一致，则将所述待识别图像加入所述医学影像识别模型的图像训练样本，实现所述医学影像识别模型的迭代更新。2.根据权利要求1所述的方法，其特征在于，所述根据医学检查影像对应的医学诊断报告从所述医学检查影像中选取用于验证预设的医学影像识别模型的待识别图像，包括：获取医学检查影像和与所述医学检查影像对应的医学诊断报告，所述医学检查影像包括多张目标图像；基于预设的图文多模态模型对各个目标图像进行学习识别，获得与各个目标图像对应的目标文本描述；将各个目标图像对应的目标文本描述与所述医学诊断报告中记载的诊断结果进行相似度比较，选取相似度最高的一张或多张目标图像作为待识别图像。3.根据权利要求2所述的方法，其特征在于，所述将各个目标图像对应的目标文本描述与所述医学诊断报告中记载的诊断结果进行相似度比较包括：将各个目标图像对应的目标文本描述以及所述医学诊断报告中记载的诊断结果分别转化成向量形式描述，以获得各个目标图像对应的目标识别向量和医学诊断报告中记载的诊断结果对应的标准向量；分别计算各个目标识别向量与所述标准向量的向量相似度；根据所述向量相似度判断各个目标图像对应的目标文本描述与所述医学诊断报告的诊断结果的相似度。4.根据权利要求3所述的方法，其特征在于，所述分别计算各个目标识别向量与所述标准向量的向量相似度，包括：分别计算各个目标识别向量与所述标准向量的余弦相似度，将所述余弦相似度作为所述向量相似度；或分别计算各个目标识别向量与所述标准向量的向量距离，将所述向量距离作为所述向量相似度。5.根据权利要求3所述的方法，其特征在于，所述将各个目标图像对应的目标文本描述以及所述医学诊断报告中记载的诊断结果分别转化成向量形式描述包括：根据所述医学诊断报告记载的诊断结果生成标准文本描述；分别将各个目标图像对应的目标文本描述和标准文本描述进行单词转化，以获得各个目标...

【专利技术属性】
技术研发人员：赖永航，陈栋栋，冯健，
申请(专利权)人：青岛美迪康数字工程有限公司，
类型：发明
国别省市：