[發明專利]用于訓練生成式對抗網絡和使用經訓練的生成式對抗網絡的系統和方法

在審

• 申請號: 201980052903.5
• 申請日: 2019-06-11
• 公開（公告）號: CN112543941A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: N·吳丁;朱利奧·伊萬吉利斯提;弗拉維奧·納瓦里
• 申請（專利權）人: 科斯默人工智能-AI有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 景懷宇

1.一種用于利用包括感興趣特征的表示的圖像來訓練生成式對抗網絡的系統，包括：

至少一個存儲器，其被配置成存儲指令；以及

至少一個處理器，其被配置成執行所述指令以進行操作，所述操作包括：

提供第一多個圖像，所述第一多個圖像包括所述感興趣特征的表示以及所述第一多個圖像的圖像中所述感興趣特征的位置的指示符；

利用所述第一多個圖像和所述感興趣特征的所述指示符來訓練對象檢測網絡，以檢測所述感興趣特征，可選地，其中所述對象檢測網絡是卷積神經網絡；

提供包括所述感興趣特征的表示的第二多個圖像，所述第二多個圖像包括比所述第一多個圖像中包括的圖像的數量更多的圖像；

將經訓練的對象檢測網絡應用于所述第二多個圖像，以產生對所述感興趣特征的第一多個檢測；

提供關于所述第一多個檢測對真陽性和假陽性的手動設置的驗證；

利用關于所述第一多個檢測對真陽性和假陽性的所述驗證來訓練生成式對抗網絡；以及

利用至少另一組圖像和所述感興趣特征的檢測以及關于所述感興趣特征的進一步檢測對真陽性和假陽性的進一步手動設置的驗證來重新訓練所述生成式對抗網絡。

2.如權利要求1所述的系統，其中，所述至少一個處理器還被配置成：通過提供針對兩個或更多個圖像中的所述感興趣特征的遺漏的檢測的假陰性的驗證來重新訓練所述生成式對抗網絡。

3.如前述權利要求中任一項所述的系統，其中，所述第二多個圖像中的圖像的數量比所述第一多個圖像中所包括的圖像的數量的至少多100倍。

4.如前述權利要求中任一項所述的系統，其中，所述第一多個圖像和所述第二多個圖像包括醫學圖像，并且其中，所述醫學圖像可選地包括胃腸器官的圖像。

5.如前述權利要求中任一項所述的系統，其中，所述第一多個圖像和所述第二多個圖像中的至少一者包括來自成像設備的圖像，所述成像設備是在胃鏡檢查、結腸鏡檢查、腸鏡檢查、或上消化道內窺鏡檢查中的至少一者期間使用的成像設備，可選地包括內窺鏡設備。

6.如前述權利要求中任一項所述的系統，其中，所述感興趣特征是異常，并且其中，所述異常可選地包括：人體組織從一種類型的細胞到另一種類型的細胞的變化、人體組織從預期的人體組織的位置處的缺失、和/或人體組織上的形成或人體組織的形成。

7.如權利要求6所述的系統，其中，所述異常包括病變，可選地包括息肉狀病變或非息肉狀病變。

8.一種用于訓練神經網絡系統以檢測人體器官的圖像中的異常的方法，所述方法包括由至少一個處理器執行的以下步驟：

將包括異常的表示的多個視頻存儲在數據庫中；

選擇所述多個視頻的第一子集；

將對象檢測網絡的感知分支應用于所述多個視頻的所述第一子集的幀，以產生對異常的第一多個檢測；

選擇所述多個視頻的第二子集；

利用所述第一多個檢測和來自所述多個視頻的所述第二子集的幀來訓練生成器網絡，以生成息肉的多個偽表示，其中，所述多個偽表示是通過殘差學習來生成的，并且其中，所述生成器網絡可選地包括生成式對抗網絡；

訓練鑒別器網絡的對抗分支，以區分所述異常的偽表示和所述異常的真表示，其中，所述鑒別器網絡可選地包括卷積神經網絡；

將所述鑒別器網絡的所述對抗分支應用于所述多個偽表示，以產生被包括在所述多個視頻的所述第二子集的幀中的所述異常的偽表示與所述異常的真表示之間的差異指示符；

將所述鑒別器網絡的感知分支應用于所述偽表示，以產生對所述異常的第二多個檢測；以及

基于所述差異指示符和所述第二多個檢測來重新訓練所述感知分支。

9.如權利要求8所述的方法，其中，所述異常包括：人體組織從一種類型的細胞到另一種類型的細胞的變化、人體組織從預期的人體組織的位置處的缺失、和/或人體組織上的形成或人體組織的形成。