[發(fā)明專利]用于執(zhí)行多重分析的神經(jīng)網(wǎng)絡(luò)的權(quán)重的分層學習

有效

• 申請?zhí)枺?/td>: 201810127713.2
• 申請日: 2018-02-08
• 公開（公告）號: CN108399452B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計）人: 周少華;陳明卿;徐大光;徐宙冰;苗舜;楊棟;張赫
• 申請（專利權(quán)）人: 西門子保健有限責任公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 臧永杰;劉春元

1.一種用于執(zhí)行醫(yī)學成像分析的方法，包括：

接收用于執(zhí)行多個醫(yī)學成像分析其中的一個特定醫(yī)學成像分析的輸入醫(yī)學成像數(shù)據(jù)，其中所述多個醫(yī)學成像分析其中的每一個都與不同模態(tài)、解剖和任務其中至少之一相關(guān)聯(lián)，其中所述任務包括檢測、識別、分割和配準其中至少之一；

在使用被訓練用于執(zhí)行所述多個醫(yī)學成像分析的神經(jīng)網(wǎng)絡(luò)的情況下生成輸出，所述輸出提供關(guān)于所述輸入醫(yī)學成像數(shù)據(jù)的所述特定醫(yī)學成像分析的結(jié)果，其中通過在使用與所述多個醫(yī)學成像分析其中不同的一個醫(yī)學成像分析相關(guān)聯(lián)的一個或多個權(quán)重的情況下學習與所述特定醫(yī)學成像分析相關(guān)聯(lián)的一個或多個權(quán)重來訓練所述神經(jīng)網(wǎng)絡(luò)；以及

輸出用于執(zhí)行所述特定醫(yī)學成像分析的所生成的輸出，

其中訓練所述神經(jīng)網(wǎng)絡(luò)包括：

在使用訓練醫(yī)學成像數(shù)據(jù)的數(shù)據(jù)集的情況下訓練所述神經(jīng)網(wǎng)絡(luò)，所述數(shù)據(jù)集其中的每個都與所述 多個醫(yī)學成像分析其中的相應一個相關(guān)聯(lián)并且被用于訓練目標網(wǎng)絡(luò)，所述目標網(wǎng)絡(luò)表示用于執(zhí)行所述多個醫(yī)學成像分析其中的相應一個的所述神經(jīng)網(wǎng)絡(luò)的一個分支，以及

通過學習對于所述神經(jīng)網(wǎng)絡(luò)的每個節(jié)點的權(quán)重集合來訓練所述神經(jīng)網(wǎng)絡(luò)，對于每個節(jié)點的所述權(quán)重集合中的所述權(quán)重具有分層關(guān)系，以使得在所述分層關(guān)系的頂部層級處的權(quán)重與所述多個醫(yī)學成像分析其中的每一個相關(guān)聯(lián)，并且在所述分層關(guān)系的底部層級處的權(quán)重各自與所述 多個醫(yī)學成像分析其中的相應一個相關(guān)聯(lián)，

其中學習對于所述神經(jīng)網(wǎng)絡(luò)的每個節(jié)點的所述權(quán)重集合包括：

對在所述分層關(guān)系的較高層級處的權(quán)重進行級聯(lián)，以用于學習在所述分層關(guān)系的較低層級處的與相同模態(tài)和/或解剖相關(guān)聯(lián)的權(quán)重。

2.根據(jù)權(quán)利要求1所述的方法，其中所述對于每個節(jié)點的權(quán)重集合包括：

終極網(wǎng)權(quán)重，所述終極網(wǎng)權(quán)重包括在所述分層關(guān)系的所述頂部層級處的所述權(quán)重；

一個或多個各自與模態(tài)相關(guān)聯(lián)的超級網(wǎng)權(quán)重以及一個或多個各自與解剖相關(guān)聯(lián)的超級網(wǎng)權(quán)重；

一個或多個各自與模態(tài)和解剖相關(guān)聯(lián)的超網(wǎng)權(quán)重；以及

多個目標網(wǎng)絡(luò)權(quán)重，所述多個目標網(wǎng)絡(luò)權(quán)重包括在所述分層關(guān)系的所述底部層級處的所述權(quán)重。

3.根據(jù)權(quán)利要求1所述的方法，其中學習對于所述神經(jīng)網(wǎng)絡(luò)的每個節(jié)點的所述權(quán)重集合包括：

將與相同模態(tài)、解剖和任務其中至少之一相關(guān)聯(lián)的對于所述神經(jīng)網(wǎng)絡(luò)中的第一節(jié)點的權(quán)重組合以形成組合權(quán)重；以及

在使用所述組合權(quán)重的情況下學習對于所述神經(jīng)網(wǎng)絡(luò)中的第二節(jié)點的權(quán)重。

4.根據(jù)權(quán)利要求1所述的方法，其中訓練醫(yī)學成像數(shù)據(jù)的數(shù)據(jù)集包括輸入訓練醫(yī)學成像數(shù)據(jù)，所述方法進一步包括：

在使用多任務學習的情況下生成對應于所述輸入訓練醫(yī)學成像數(shù)據(jù)的輸出訓練醫(yī)學成像數(shù)據(jù)，基于在將圖像用作輸入和輸出的情況下所學習的關(guān)系來訓練所述多任務學習。

5.一種用于根據(jù)權(quán)利要求1所述的方法來執(zhí)行醫(yī)學成像分析的裝置，所述裝置包括：

用于接收輸入醫(yī)學成像數(shù)據(jù)的工具，所述輸入醫(yī)學成像數(shù)據(jù)用于執(zhí)行多個醫(yī)學成像分析其中的一個特定醫(yī)學成像分析；

用于在使用被訓練用于執(zhí)行所述多個醫(yī)學成像分析的神經(jīng)網(wǎng)絡(luò)的情況下生成輸出的工具，所述輸出提供關(guān)于所述輸入醫(yī)學成像數(shù)據(jù)的所述特定醫(yī)學成像分析的結(jié)果，其中通過在使用與所述多個醫(yī)學成像分析其中不同的一個醫(yī)學成像分析相關(guān)聯(lián)的一個或多個權(quán)重的情況下學習與所述特定醫(yī)學成像分析相關(guān)聯(lián)的一個或多個權(quán)重來訓練所述神經(jīng)網(wǎng)絡(luò)；以及

用于對所生成的用于執(zhí)行所述特定醫(yī)學成像分析的輸出來進行輸出的工具。

6.根據(jù)權(quán)利要求5所述的裝置，其中所述對于每個節(jié)點的權(quán)重集合包括：

終極網(wǎng)權(quán)重，所述終極網(wǎng)權(quán)重包括在所述分層關(guān)系的所述頂部層級處的所述權(quán)重；

一個或多個各自與模態(tài)相關(guān)聯(lián)的超級網(wǎng)權(quán)重以及一個或多個各自與解剖相關(guān)聯(lián)的超級網(wǎng)權(quán)重；

一個或多個各自與模態(tài)和解剖相關(guān)聯(lián)的超網(wǎng)權(quán)重；以及

多個目標網(wǎng)絡(luò)權(quán)重，所述多個目標網(wǎng)絡(luò)權(quán)重包括在所述分層關(guān)系的所述底部層級處的所述權(quán)重。

7.一種非瞬時計算機可讀介質(zhì)，所述非瞬時計算機可讀介質(zhì)存儲用于根據(jù)權(quán)利要求1所述的方法來執(zhí)行醫(yī)學成像分析的計算機程序指令，當被處理器執(zhí)行時，所述計算機程序指令促使所述處理器執(zhí)行包括以下各項的操作：

接收用于執(zhí)行多個醫(yī)學成像分析其中的一個特定醫(yī)學成像分析的輸入醫(yī)學成像數(shù)據(jù)；

在使用被訓練用于執(zhí)行所述多個醫(yī)學成像分析的神經(jīng)網(wǎng)絡(luò)的情況下生成輸出，所述輸出提供關(guān)于所述輸入醫(yī)學成像數(shù)據(jù)的所述特定醫(yī)學成像分析的結(jié)果，其中通過在使用與所述多個醫(yī)學成像分析其中不同的一個醫(yī)學成像分析相關(guān)聯(lián)的一個或多個權(quán)重的情況下學習與所述特定醫(yī)學成像分析相關(guān)聯(lián)的一個或多個權(quán)重來訓練所述神經(jīng)網(wǎng)絡(luò)；以及

輸出用于執(zhí)行所述特定醫(yī)學成像分析的所生成的輸出。