[發明專利]用于從具有標簽噪聲的數據中學習的方法

在審

• 申請號: 202010499284.9
• 申請日: 2020-06-04
• 公開（公告）號: CN112052955A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 馬丁·克勞斯;弗羅林-克里斯蒂安·蓋蘇
• 申請（專利權）人: 西門子醫療有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06K9/62;G06N5/02;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 唐京橋;姜婷

1.一種用于對醫學輸入數據執行至少一個推理任務(T1，T2)的系統(100)，包括：

計算裝置(50)，被配置成實現人工神經網絡ANN(200)；

其中，所述ANN(200)被配置成接收醫學輸入數據(4)作為所述ANN(200)的輸入并且基于所述醫學輸入數據(4)執行至少一個推理任務(T1，T2)；并且

其中，所述ANN(200)包括輸出層(290)，所述輸出層(290)針對所述至少一個推理任務(T1，T2)中的至少一個推理任務(T1，T2)具有多個輸出節點(291，……，299)，其中，所述多個輸出節點(291，……，299)中的每個輸出節點(291，……，299)對應于多個預定義分位數中的一個分位數。

2.根據權利要求1所述的系統(100)，其中，所述輸出層(290)包括與針對每個推理任務(T1，T2)的所述多個預定義分位數中的每個分位數對應的一個相應的輸出節點(291，……，299)。

3.根據權利要求1或2所述的系統(100)，其中，所述人工神經網絡ANN(200)被配置成接收醫學成像數據(4)作為所述醫學輸入數據，并且其中，至少一個推理任務(T1，T2)包括將所述醫學成像數據(4)的特征分類成多個類中的至少一個類。

4.根據權利要求1至3中任一項所述的系統(100)，其中，所述分位數是百分位數。

5.根據權利要求1至4中任一項所述的系統(100)，

其中，所述系統(100)和/或所述ANN(200)被配置成輸出至少一個輸出圖像(5)，并且其中，在所述至少一個輸出圖像(5)中不同地指示與針對相同推理任務(T1，T2)的不同分位數對應的輸出節點(291，……，299)的輸出值(1，2，3)。

6.一種用于對醫學輸入數據(4)執行至少一個推理任務(T1，T2)的計算機實現的方法，所述方法至少包括以下步驟：

將醫學輸入數據(4)輸入(S10)至人工神經網絡ANN(200)中，其中，所述ANN(200)被配置成接收醫學輸入數據作為所述ANN(200)的輸入并且基于所述醫學輸入數據(4)執行至少一個推理任務(T1，T2)；

通過所述ANN(200)處理(S20)所述醫學輸入數據(4)；以及

通過所述人工神經網絡針對所述至少一個推理任務(T1，T2)中的至少一個推理任務(T1，T2)輸出(S30)與多個預定義分位數中的每個分位數對應的輸出值(1，2，3)。

7.根據權利要求6所述的方法，其中，針對每個推理任務(T1，T2)輸出與所述多個預定義分位數中的每個分位數對應的輸出值(1，2，3)。

8.根據權利要求6或7所述的方法，其中，輸入醫學成像數據(4)作為所述醫學輸入數據，并且其中，至少一個推理任務(T1，T2)包括將所述醫學成像數據(4)的特征分類成多個類中的至少一個類。

9.一種用于對醫學輸入數據(4)針對至少一個推理任務(T1，T2)訓練人工神經網絡ANN(200)的計算機實現的方法，所述方法至少包括以下步驟：

提供(S110)ANN(200)，所述ANN(200)被配置成接收醫學輸入數據(4)作為所述ANN(200)的輸入并且基于所述醫學輸入數據(4)執行至少一個推理任務(T1，T2)；

其中，所述ANN(200)包括輸出層(290)，所述輸出層(290)針對所述至少一個推理任務(T1，T2)中的至少一個推理任務(T1，T2)具有多個輸出節點(291，……，299)，其中，所述多個輸出節點(291，……，299)中的每個輸出節點(291，……，299)對應于多個預定義分位數中的一個分位數；以及

利用標記的訓練數據并且使用成本函數對所述ANN(200)進行訓練(S120)，所述成本函數包括針對所述預定義分位數中的每一個的單獨損失項。