肺炎CT影像专用算法
更新时间:2021-12-17
肺炎CT影像识别专用算法简介
在疫情之下,百度飞桨EasyDL技术团队推出肺炎CT影像识别专用训练算法,底层融合了飞桨肺炎识别预训练模型,可以在肺炎CT图片中识别肺部及病灶的区域位置。
示意图片:
如何使用肺炎CT影像识别专用算法
使用EasyDL图像-图像分割在训练模型阶段选择【肺炎CT影像识别专用】算法。创建图像分割模型
注意:肺炎CT影像识别专用算法适用于肺炎CT图片检测病灶区域的场景下使用,若非该业务场景,仍建议使用通用算法。
肺炎CT影像识别专用算法数据要求
肺炎识别专用训练算法在对比图像分割通用算法,在数据要求上需要在完整的肺炎CT图片中标注病灶区域,并且所定义的标签限制必须为lesion,lesion表示已标注的病灶区域。每次训练只需选择病灶(lesion)一个标签即可,但在识别结果上可输出左肺(left_lung)、右肺(right_lung)及病灶(lesion)三个区域的识别结果。
目前在训练图片数据格式要求上,不支持dicom的图片格式,仅限于jpg、png、bmp、jpeg,同时在图片大小上限制4M以内。
如何将已经上传的数据修改标签
如果已经有肺炎CT影响的标注数据,上传后需要确定病灶标签命名是否为lesion,以下以原标签为bingzao 举例,如何修改为 lesion。只需三步:
第一步:在数据集列表点击查看
第二步:在已标注数据切换为标签维度
第三步:重名名标签名称并保存
修改标签:将原有的bingzao标签修改为lesion
修改完成:
如何完成模型部署及使用
选择公有云部署
- 若业务场景支持联网首选公有云部署,可通过独立Rest API调用模型,集成简单易上手。
- 具有完善的鉴权、流控等安全机制,GPU集群稳定承载高并发请求
- 公有云支持通过开通【云服务数据管理】功能,查找云端模型识别错误的数据,纠正结果并将其加入模型迭代的训练集,不断优化模型效果
- 注意:目前肺炎CT影像识别专用算法仅支持公有云,暂不支持发布为设备端SDK、本地服务器部署等其他服务形态。如果有相关业务需求,请提交工单反馈,感谢。