[發明專利]網絡模型的訓練方法及裝置、識別方法及裝置、電子設備有效
| 申請號： | 202010223807.7 | 申請日： | 2020-03-26 |
| 公開（公告）號： | CN111445457B | 公開（公告）日： | 2021-06-22 |
| 發明（設計）人： | 陳偉導;吳雙;宋曉媛;于榮震;李萌;王丹;趙朝煒;夏晨;張榮國;李新陽;王少康;陳寬 | 申請（專利權）人： | 推想醫療科技股份有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/11;G06T7/155;G06T7/187;G06T5/30;G06N3/04;G06N3/08 |
| 代理公司： | 北京布瑞知識產權代理有限公司 11505 | 代理人： | 孟潭 |
| 地址： | 100085 北京市海淀*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 網絡 模型 訓練 方法 裝置 識別 電子設備 | ||
1.一種網絡模型的訓練方法，其特征在于，包括：
獲取包含腦部的血腫區域的樣本圖像；
根據所述包含腦部的血腫區域的樣本圖像，訓練預設網絡模型，以生成所述網絡模型，所述網絡模型用于識別所述血腫區域的影像學特征的征象類別，
其中，所述根據所述包含腦部的血腫區域的樣本圖像，訓練預設網絡模型，以生成所述網絡模型，包括：
根據所述包含腦部的血腫區域的樣本圖像，確定所述血腫區域的樣本連通域；
根據所述血腫區域的樣本連通域，訓練所述預設網絡模型，以生成所述網絡模型，
其中，所述訓練方法還包括：
對所述血腫區域的樣本連通域進行第二形態學處理，獲得所述血腫區域的樣本孔洞填充連通域，
其中，所述根據所述血腫區域的樣本連通域，訓練所述預設網絡模型，以生成所述網絡模型，包括：
根據所述血腫區域的樣本連通域、所述腦部的樣本圖像和所述血腫區域的樣本孔洞填充連通域，訓練所述預設網絡模型，以生成所述網絡模型，
其中，所述訓練方法還包括：
將所述血腫區域的樣本連通域、所述腦部的樣本圖像和所述血腫區域的樣本孔洞填充連通域進行下采樣；
將經過下采樣后的所述血腫區域的樣本連通域、所述腦部的樣本圖像和所述血腫區域的樣本孔洞填充連通域進行堆疊組合，獲得整合后的特征圖；
其中，所述根據所述血腫區域的樣本連通域、所述腦部的樣本圖像和所述血腫區域的樣本孔洞填充連通域，訓練所述預設網絡模型，以生成所述網絡模型，包括：
將所述整合后的特征圖輸入所述預設網絡模型中進行訓練，以生成所述網絡模型。
2.根據權利要求1所述的訓練方法，其特征在于，所述根據所述包含腦部的血腫區域的樣本圖像，確定所述血腫區域的樣本連通域，包括：
將所述包含腦部的血腫區域的樣本圖像進行第一形態學處理，獲得分割后的血腫區域的樣本圖像；
將所述分割后的血腫區域的樣本圖像進行連通域提取，獲得所述血腫區域的樣本連通域。
3.根據權利要求1所述的訓練方法，其特征在于，還包括：
確定對所述包含腦部的血腫區域的樣本圖像進行標記后獲得的所述血腫區域的第一征象類別數據，
其中，所述將所述整合后的特征圖輸入所述預設網絡模型中進行訓練，以生成所述網絡模型，包括：
將所述整合后的特征圖輸入至所述預設網絡模型，得到與所述第一征象類別數據對應的所述血腫區域的第二征象類別數據；
基于所述第一征象類別數據和所述第二征象類別數據，調整所述預設網絡模型；
迭代執行上述步驟，獲得訓練完成后的所述網絡模型。
4.根據權利要求3所述的訓練方法，其特征在于，所述預設網絡模型包括三維卷積神經網絡模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于推想醫療科技股份有限公司，未經推想醫療科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010223807.7/1.html，轉載請聲明來源鉆瓜專利網。
