【技术实现步骤摘要】
本专利技术涉及医学图像处理，尤其涉及一种ct描述模型训练方法、ct描述信息生成方法及装置。
技术介绍
1、ct(computed tomography，电子计算机断层扫描)技术在医学领域已有广泛应用。ct即利用精确准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查，如可用于脑部、胸部、肺部等的疾病检查。
2、在使用ct图像进行辅助疾病诊断时，相关人员通常需要对ct图像进行查看，并肉眼观察病灶，进而手动生成ct的描述信息，来说明ct图像中包含的病灶、病灶的位置等。但这种人工生成描述信息的方式，效率较低，且易出现人工误差，因此准确率较低。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种ct描述模型训练方法、ct描述信息生成方法及装置，以提高ct描述信息生成效率以及准确性。
2、根据本专利技术的一方面，提供了一种ct描述模型训练方法，所述方法包括：
3、针对训练集中的各第一样本ct图像，将所述第一样本ct图像输入至待训练的ct描述模型中；其中，所述待训练的ct描述模型包括图像提取网络以及文字生成网络，所述图像提取网络用于基于金标准图像提取所述第一样本ct图像的图像特征，所述金标准图像为标注病灶位置的ct图像；
4、获取所述待训练的ct描述模型输出的针对所述第一样本ct图像的输出描述信息；
5、基于所述输出描述信息以及所述第
6、在一种可能的实施例中，所述基于金标准图像提取所述第一样本ct图像的图像特征，包括：
7、对所述第一样本ct图像中与所述金标准图像中包含的病灶位置相同的位置进行特征提取，得到所述第一样本ct图像的图像特征。
8、在一种可能的实施例中，所述基于金标准图像提取所述第一样本ct图像的图像特征，包括：
9、基于所述金标准图像中包含的病灶位置，对所述第一样本ct图像进行裁剪，得到所述第一样本ct图像对应的图像片，其中，所述图像片包括所述金标准图像中的病灶位置；
10、提取各所述图像片的图像特征。
11、在一种可能的实施例中，所述文字生成网络包括：多个编码器以及多个解码器，多个所述编码器依次连接，最后一个所述编码器的输出输入至各个所述解码器中。
12、在一种可能的实施例中，所述方法还包括：
13、针对测试集中的各第二样本ct图像，将所述第二样本ct图像输入至所述目标描述模型；
14、得到所述目标描述模型针对所述第二样本ct图像输出的测试描述信息；
15、基于所述测试描述信息以及所述第二样本ct图像的标签，对所述目标描述模型进行评估；
16、在所述目标描述模型达到预设测试条件的情况下，确定所述目标描述模型通过测试。
17、在一种可能的实施例中，所述基于所述测试描述信息以及所述第二样本ct图像的标签，对所述目标描述模型进行评估，包括：
18、基于所述测试描述信息中包含的词语以及所述第二样本ct图像的标签中包含的词语的匹配程度，确定所述测试描述信息以及所述第二样本ct图像的标签之间的相似度。
19、在一种可能的实施例中，所述基于所述测试描述信息以及所述第二样本ct图像的标签，对所述目标描述模型进行评估，包括：
20、按照以下公式对所述目标描述模型进行评估：
21、(1-α)*precall+α*ppenalty*pfragment
22、其中，所述precall为所述测试描述信息中与所述第二样本ct图像的标签中包含的相同词语，所述ppenalty基于所述测试描述信息中与所述第二样本ct图像的标签中包含的不同词语设置，所述pfragment为所述测试描述信息中与所述第二样本ct图像的标签中预设个相邻词语的匹配度，α为预设常数。
23、根据本专利技术的另一方面，提供了一种ct描述信息生成方法，所述方法包括：
24、获取待识别的目标ct图像；
25、将所述目标ct图像输入至预先训练的目标ct描述模型中；其中，所述目标ct描述模型采用如上述任一所述的ct描述模型训练方法预先训练得到；
26、得到所述目标ct描述模型输出的所述目标ct图像的描述信息。
27、根据本专利技术的另一方面，提供了一种ct描述模型训练装置，所述装置包括：
28、第一输入模块，用于针对训练集中的各第一样本ct图像，将所述第一样本ct图像输入至待训练的ct描述模型中；其中，所述待训练的ct描述模型包括图像提取网络以及文字生成网络，所述图像提取网络用于基于金标准图像提取所述第一样本ct图像的图像特征，所述金标准图像为标注病灶位置的ct图像；
29、第一获取模块，用于获取所述待训练的ct描述模型输出的针对所述第一样本ct图像的输出描述信息；
30、训练模块，用于基于所述输出描述信息以及所述第一样本ct图像的标签，对所述待训练的ct描述模型进行训练，得到目标描述模型。
31、根据本专利技术的另一方面，提供了一种ct描述信息生成装置，所述装置包括：
32、第二获取模块，用于获取待识别的目标ct图像；
33、第二输入模块，用于将所述目标ct图像输入至预先训练的目标ct描述模型中；其中，所述目标ct描述模型采用如上述任一所述的ct描述模型训练方法预先训练得到；
34、输出模块，用于得到所述目标ct描述模型输出的所述目标ct图像的描述信息。
35、根据本专利技术的另一方面，提供了一种电子设备，包括：
36、处理器；以及
37、存储程序的存储器，
38、其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述任一所述的ct描述模型训练方法或ct描述信息生成方法。
39、根据本专利技术的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行上述任一所述的ct描述模型训练方法或ct描述信息生成方法。
40、本专利技术实施例中提供的一个或多个技术方案，通过采用大量样本ct图像训练ct描述模型，使得ct描述模型很好地学习了ct图像中的图像特征，进而在模型使用过程中，可以识别待处理的ct图像中的图像特征，输出准确的ct描述信息。再有，由于基于金标准图像提取第一样本ct图像的图像特征，而金标准图像中标注病灶位置，提高对第一样本ct图像中的病灶的定位速度，进而提高图像特征提取效率。另外，由于使用ct描述模型生成ct描述信息，无需人工参与，提高了ct描述信息的生成效率，同时也避免人工误差对ct描述信息准确性的影响，进一步提高ct描述信息的准确性。
本文档来自技高网...【技术保护点】
1.一种CT描述模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于金标准图像提取所述第一样本CT图像的图像特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于金标准图像提取所述第一样本CT图像的图像特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述文字生成网络包括：多个编码器以及多个解码器，多个所述编码器依次连接，最后一个所述编码器的输出输入至各个所述解码器中。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述测试描述信息以及所述第二样本CT图像的标签，对所述目标描述模型进行评估，包括：
7.根据权利要求5所述的方法，其特征在于，所述基于所述测试描述信息以及所述第二样本CT图像的标签，对所述目标描述模型进行评估，包括：
8.一种CT描述信息生成方法，其特征在于，所述方法包括：
9.一种CT描述模型训练装置，其特征在于，所述装置包括：
10.一种C
11.一种电子设备，包括：
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-7或权利要求8中任一项所述的方法。
...【技术特征摘要】
1.一种ct描述模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于金标准图像提取所述第一样本ct图像的图像特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于金标准图像提取所述第一样本ct图像的图像特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述文字生成网络包括：多个编码器以及多个解码器，多个所述编码器依次连接，最后一个所述编码器的输出输入至各个所述解码器中。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述测试描述信息以...
【专利技术属性】
技术研发人员：吴烁华，郭岗，
申请(专利权)人：紫桐智能厦门信息科技有限公司，
类型：发明
国别省市：
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。