[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

本文描述了與圖像數據處理相關聯的基于神經網絡的系統、方法以及裝置。神經網絡可以被預訓練，以學習用于處理圖像數據的參數或模型，并且在部署時，神經網絡可以基于在線數據樣本的小集自動執行對所學習的參數或模型的進一步優化。在線優化可以經由離線元學習來促進，使得優化可以在幾個優化步驟中快速完成。

相關申請的交叉引用

本申請要求2019年11月27日提交的臨時美國專利申請號62/941,198和2020年9月30 日提交的臨時美國專利申請號17/039,355的權益，此處以引證的方式將該申請的公開內容全 文并入。

技術領域

本申請涉及基于深度學習的圖像處理技術領域。

背景技術

近年來，基于深度學習的圖像處理技術已經被越來越多地用于提高包括健康服務的各種 服務的質量。比如，可以訓練具有機器學習能力的人工神經網絡來學習用于檢測相鄰心臟磁 共振(CMR)圖像之間的差異的預測模型，并且基于所檢測的差異來估計心臟的運動。然后， 可以使用該估計來評估心臟的解剖結構和/或功能，例如，通過基于該估計計算心肌的特定受 試者的心肌勞損來評估。雖然這些基于學習的圖像處理技術在提高圖像或視頻處理的準確度 和效率方面已經顯示出巨大的前景，但是它們在部署時經常遭受顯著的性能下降。性能下降 的原因之一是極難(如果有可能的話)收集真實地表示主題(例如，心臟運動)在一般人群 中的分布的數據。由此可見，用于訓練神經網絡的數據經常與要在預測或測試時間(例如， 部署后)處理的數據不匹配。

因此，非常期望預訓練的神經網絡系統具有執行自適應在線學習的能力，使得神經網絡 系統可以基于在預測或測試時間接收的數據來調節經由預訓練獲取的模型參數，以增加預測 模型的魯棒性。由于自適應學習將在神經網絡系統在線的同時執行，因此還期望這種系統具 有以快速且高效的方式(例如，僅使用少量樣本或經由少量步驟)完成在線學習的能力。

發明內容

本文描述了與諸如運動跟蹤和/或圖像配準的圖像數據處理相關聯的基于神經網絡的系 統、方法以及裝置。本文所述的一種系統可以包括至少一個處理器，該至少一個處理器被配 置為實施一個或多個人工神經網絡(例如，編碼器網絡和/或解碼器網絡)，這些人工神經網絡 具有用于處理解剖結構(例如，心肌)的圖像或視頻的預定參數。在使一個或多個人工神經 網絡在線(online)以處理圖像或視頻時，至少一個處理器可以(例如，在一個或多個人工神 經網絡在線的同時)基于解剖結構的第一組在線圖像執行對一個或多個人工神經網絡的預定 參數的在線調節。在線調節例如可以通過以下方式來執行：確定與使用預定參數處理第一組 在線圖像相關聯的損失，并且基于與損失相關聯的梯度下降調節預定參數(例如，通過使一 個或多個人工神經網絡的梯度下降反向傳播)。一旦預定參數被調節(例如，基于第一組在線 圖像優化)，至少一個處理器就可以使用一個或多個人工神經網絡的調節后的參數處理解剖結 構的第二組在線圖像。這里在線指的是非學習階段，而是應用階段，也可以用布署這個詞替 代。這里的第二組在線圖像可以和第一組相同，不同，或部分相同。總而言之，學習好的參 數會應用到整個視頻中去。對于配準來說就是自己的圖像本身。