[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

本公開涉及人工智能領域中基于神經網絡的計算機視覺技術。具體地，本公開提供了一種用于圖像處理的神經網絡模型的訓練方法和裝置、利用神經網絡模型的醫學圖像處理方法、以及醫學圖像處理系統。訓練方法包括：訓練圖像集獲取步驟，獲得用于訓練神經網絡模型的訓練圖像集，訓練圖像集包括未標注的第一類訓練圖像；第一訓練步驟，利用第一類訓練圖像以及對應于第一類訓練圖像的第一損失函數，訓練神經網絡模型；其中，第一損失函數對應于神經網絡模型對于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。本公開提供的訓練方法在利用有標訓練數據的基礎上，進一步利用了無標訓練數據，從而降低了訓練成本，加快了醫學圖像處理系統的開發周期。

技術領域

本公開涉及人工智能領域，更具體地，本公開涉及一種用于圖像處理的神經網絡模型的訓練方法和裝置、利用神經網絡模型的醫學圖像處理方法、以及醫學圖像處理系統。

背景技術

計算機視覺是一門研究如何使機器“看”的科學，更進一步的說，就是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。作為一個科學學科，計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取信息的人工智能系統。計算機視覺技術通常包括圖像處理、圖像識別、圖像語義理解、圖像檢索、OCR、視頻處理、視頻語義理解、視頻內容/行為識別、三維物體重建、3D技術、虛擬現實、增強現實、同步定位與地圖構建等技術，還包括常見的人臉識別、指紋識別等生物特征識別技術。神經網絡已被人工智能界廣泛應用。神經網絡是一種大規模、多參數優化的工具。依靠大量的訓練數據，神經網絡能夠學習出數據中難以總結的隱藏特征，從而完成諸如計算機視覺的多種復雜任務。

可以將基于神經網絡模型的計算機視覺技術用于諸如內窺鏡圖像的醫學圖像處理中，從而對于醫學圖像自動進行處理。在利用神經網絡模型執行上述醫學圖像處理時，需要預先利用醫生標注的大量訓練樣本數據對神經網絡模型執行訓練過程，以便在訓練過程中不斷調整整個神經網絡模型的參數設置，直到獲得滿足訓練結束條件的神經網絡模型以便隨后執行相應的處理任務。然而，不同于一般自然圖像的獲取和標注，醫學圖像獲取成本高，并且需要具有專業知識的醫生進行標注，從而導致訓練圖像集的構建難度大、成本高。

發明內容

鑒于上述問題而提出了本公開。本公開提供了一種用于圖像處理的神經網絡模型的訓練方法和裝置、利用神經網絡模型的醫學圖像處理方法、以及醫學圖像處理系統、電子設備和計算機可讀存儲介質。

根據本公開的一個方面，提供了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。

此外，根據本公開一個方面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。

此外，根據本公開一個方面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。

此外，根據本公開一個方面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。