[發明專利]神經網絡模型的訓練方法、裝置和醫學圖像處理系統

在審

• 申請號: 201910752893.8
• 申請日: 2019-08-15
• 公開（公告）號: CN110472737A
• 公開（公告）日: 2019-11-19
• 發明（設計）人: 尚鴻;孫鐘前
• 申請（專利權）人: 騰訊醫療健康(深圳)有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G16H30/20
• 代理公司: 11105 北京市柳沈律師事務所
• 代理人: 張曉明<國際申請>=<國際公布>=<進入

1.一種用于圖像處理的神經網絡模型的訓練方法，所述訓練方法包括：

訓練圖像集獲取步驟，獲得用于訓練所述神經網絡模型的訓練圖像集，所述訓練圖像集包括未標注的第一類訓練圖像；

第一訓練步驟，利用所述第一類訓練圖像以及對應于所述第一類訓練圖像的第一損失函數，訓練所述神經網絡模型；

其中，所述第一損失函數對應于所述神經網絡模型對于所述第一類訓練圖像中的一個圖像及其干擾圖像的預測值的差異。

2.如權利要求1所述的神經網絡模型的訓練方法，其中，所述訓練圖像集獲取步驟包括：

在第一訓練步驟之前，對所述第一類訓練圖像中的一個圖像執行隨機變換處理，生成所述干擾圖像。

3.如權利要求1或2所述的神經網絡模型的訓練方法，其中，所述訓練圖像集包括已標注的第二類訓練圖像，所述訓練方法還包括：

第二訓練步驟，利用所述第二類訓練圖像以及對應于所述第二類訓練圖像的第二損失函數，訓練所述神經網絡模型；

其中，所述第二損失函數對應于所述神經網絡模型對于所述第二類訓練圖像中的一個第二類訓練圖像的預測值與所述一個第二類訓練圖像的標注值的差異。

4.如權利要求3所述的神經網絡模型的訓練方法，其中，交替執行所述第一訓練步驟和所述第二訓練步驟，或者同時執行所述第一訓練步驟和所述第二訓練步驟。

5.如權利要求4所述的神經網絡模型的訓練方法，其中，所述同時執行所述第一訓練步驟和所述第二訓練步驟包括：

利用作為所述第一損失函數和所述第二損失函數的加權和的第三損失函數，訓練所述神經網絡模型。

6.如權利要求1到5的任一項所述的神經網絡模型的訓練方法，其中，所述神經網絡模型用于醫學圖像處理，所述第一類訓練圖像為未經醫生標注的醫學圖像，并且所述第二類訓練圖像為醫生標注后的醫學圖像。

7.一種利用神經網絡模型的醫學圖像處理方法，包括：

接收輸入的醫學圖像；

利用所述神經網絡模型對所述輸入的醫學圖像執行特征提取處理；以及

基于提取的特征，輸出處理結果，

其中，利用如權利要求1到6的任一項所述的神經網絡模型的訓練方法，獲得所述神經網絡模型。

8.一種用于圖像處理的神經網絡模型的訓練裝置，包括：

訓練圖像集獲取單元，用于獲取用于訓練所述神經網絡模型的訓練圖像集，所述訓練圖像集包括未標注的第一類訓練圖像；

訓練單元，用于執行第一訓練步驟，以利用所述第一類訓練圖像以及對應于所述第一類訓練圖像的第一損失函數，訓練所述神經網絡模型；

其中，所述第一損失函數對應于所述神經網絡模型對于所述第一類訓練圖像中的一個圖像及其干擾圖像的預測值的差異。

9.如權利要求8所述的神經網絡模型的訓練裝置，其中，所述訓練圖像集獲取單元在第一訓練步驟之前，對所述第一類訓練圖像中的一個圖像執行隨機變換處理，生成所述干擾圖像。

10.如權利要求8或9所述的神經網絡模型的訓練裝置，其中，所述訓練圖像集包括已標注的第二類訓練圖像，所述訓練單元還用于執行：

第二訓練步驟，利用所述第二類訓練圖像以及對應于所述第二類訓練圖像的第二損失函數，訓練所述神經網絡模型；

其中，所述第二損失函數對應于所述神經網絡模型對于所述第二類訓練圖像中的一個第二類訓練圖像的預測值與所述一個第二類訓練圖像的標注值的差異。

11.如權利要求10所述的神經網絡模型的訓練裝置，其中，所述訓練單元交替執行所述第一訓練步驟和所述第二訓練步驟，或者同時執行所述第一訓練步驟和所述第二訓練步驟。