[發明專利]神經網絡的在線自適應系統和方法

在審

• 申請號: 202011347044.3
• 申請日: 2020-11-26
• 公開（公告）號: CN112734798A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 孫善輝;余瀚超;陳瀟;陳章;陳德仁
• 申請（專利權）人: 上海聯影智能醫療科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/33
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦

1.一種神經網絡在線自適應系統，所述系統包括至少一個處理器，其中，所述至少一個處理器被配置為：

實施一個或多個人工神經網絡，其中，所述一個或多個人工神經網絡配置有用于處理解剖結構的圖像的多個預定參數；

使所述一個或多個人工神經網絡在線以處理所述圖像；并且

在所述一個或多個人工神經網絡在線的同時：

基于所述解剖結構的第一組在線圖像執行對所述一個或多個人工神經網絡的所述預定參數的在線調節，其中，所述在線調節至少通過以下方式來執行：確定與使用所述預定參數處理所述第一組在線圖像相關聯的損失，并且基于與所述損失相關聯的梯度下降調節所述預定參數，并且其中，所述預定參數經由便于所述在線調節的離線元學習來獲取；并且

使用所述一個或多個人工神經網絡的所述調節后的參數處理所述解剖結構的第二組在線圖像。

2.根據權利要求1所述的系統，其中，對所述預定參數的所述在線調節通過反向傳播所述一個或多個人工神經網絡的所述梯度下降來執行。

3.根據權利要求1所述的系統，其中，所述元學習使用所述解剖結構的多個訓練視頻來執行，所述元學習包括：

獲得用于處理所述解剖結構的所述圖像的基線參數；

基于與使用所述基線參數的相應副本處理所述多個訓練視頻中的每一個訓練視頻相關聯的相應第一損失來優化所述基線參數的所述相應副本；

確定與使用所述基線參數的所述相應優化副本處理所述多個訓練視頻中的每一個訓練視頻相關聯的相應第二損失；以及

基于與所述多個訓練視頻相關聯的所述相應第二損失來更新所述基線參數。

4.根據權利要求3所述的系統，其中，所述元學習包括：

對于所述多個訓練視頻中的每一個訓練視頻：

導出所述訓練視頻的所述基線參數的所述相應副本；

從所述訓練視頻選擇第一組訓練圖像；

確定與使用所述基線參數的所述相應副本處理所述第一組訓練圖像相關聯的第一損失；

基于與所述第一損失相關聯的梯度下降來優化所述基線參數的所述相應副本；

從所述訓練視頻選擇第二組訓練圖像；以及

確定與使用所述基線參數的所述相應優化副本處理所述第二組訓練圖像相關聯的第二損失；

確定與處理所述多個訓練視頻的所述相應的第二組訓練圖像相關聯的所述相應的第二損失的平均值；以及

基于與所述所確定的所述相應第二損失的平均值相關聯的梯度下降來更新所述基線參數。

5.根據權利要求4所述的系統，其中，所述相應的第一損失和第二損失基于損失函數來確定，并且其中，所述基線參數基于所述損失函數的一階近似來更新。

6.根據權利要求3所述的系統，其中，所述元學習包括：

對于所述多個訓練視頻中的每一個訓練視頻：

導出所述訓練視頻的所述基線參數的所述相應副本；

從所述訓練視頻選擇第一組訓練圖像；

確定與使用所述基線參數的所述相應副本處理所述第一組訓練圖像相關聯的第一損失；

基于與所述第一損失相關聯的梯度下降來優化所述基線參數的所述相應副本；

從所述訓練視頻選擇第二組訓練圖像；以及

確定與使用所述基線參數的所述相應優化副本處理所述第二組訓練圖像相關聯的第二損失和與所述第二損失相關聯的梯度下降；

確定與處理所述多個訓練視頻的所述相應的第二組訓練圖像相關聯的所述相應的梯度下降的平均值；以及

基于所述所確定的所述相應梯度下降的平均值來更新所述基線參數。

7.根據權利要求3所述的系統，其中，所述基線參數基于以第一分布為特征的第一訓練集導出，并且其中，所述多個訓練視頻從以第二分布為特征的第二訓練集導出，所述第二分布與所述第一分布不匹配。

8.根據權利要求1所述的系統，其中，所述至少一個處理器被配置為處理所述解剖結構的所述圖像包括：所述至少一個處理器被配置為基于所述圖像跟蹤所述解剖結構的運動或基于所述圖像執行圖像配準。