[發明專利]基于人工神經網絡的組織病變識別的訓練方法及訓練系統

有效

• 申請號: 202011359970.2
• 申請日: 2020-11-27
• 公開（公告）號: CN112862745B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 彭璨
• 申請（專利權）人: 深圳硅基智控科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/774;G06V10/764;G06V10/82;G06V10/44;G06K9/62
• 代理公司: 深圳舍穆專利代理事務所(特殊普通合伙) 44398
• 代理人: 黃賢炬

1.一種基于人工神經網絡的組織病變識別的訓練方法，其特征在于，包括：準備訓練數據集，所述訓練數據集包括多張檢查圖像以及與所述檢查圖像關聯的標注圖像，所述標注圖像包括有病變的標注結果或無病變的標注結果；將所述訓練數據集輸入人工神經網絡模塊以對所述檢查圖像進行特征提取以獲得特征圖，并且基于注意力機制對所述特征圖進行處理以獲得注意力熱度圖，并且基于互補注意力機制對所述注意力熱度圖進行處理以獲得互補注意力熱度圖；所述人工神經網絡模塊包括第一人工神經網絡、第二人工神經網絡以及第三人工神經網絡；利用所述第一人工神經網絡對所述檢查圖像進行特征提取以獲得所述特征圖，利用所述第二人工神經網絡獲得指示病變區域的所述注意力熱度圖和指示非病變區域的所述互補注意力熱度圖，所述檢查圖像由所述病變區域和所述非病變區域構成，利用所述第三人工神經網絡基于所述特征圖對所述檢查圖像進行識別以獲得第一識別結果，利用所述第三人工神經網絡基于所述特征圖和所述注意力熱度圖對所述檢查圖像進行識別以獲得第二識別結果，利用所述第三人工神經網絡基于所述特征圖和所述互補注意力熱度圖對所述檢查圖像進行識別以獲得第三識別結果；結合所述第一識別結果與所述標注圖像以獲得在未使用所述注意力機制時的第一損失函數，結合所述第二識別結果與所述標注圖像以獲得在使用所述注意力機制時的第二損失函數，結合所述第三識別結果與具有無病變的標注結果的所述標注圖像以獲得在使用所述互補注意力機制時的第三損失函數，利用所述第一損失函數、所述第二損失函數、以及所述第三損失函數獲取包括基于所述第一損失函數的第一損失項、基于所述第二損失函數和所述第一損失函數的差的第二損失項、以及基于所述第三損失函數的第三損失項的總損失函數， 并利用所述總損失函數對所述人工神經網絡模塊進行優化。

2.如權利要求1所述的訓練方法，其特征在于，

所述總損失函數還包括所述注意力熱度圖的總面積項，所述總面積項用于評估所述病變區域的面積。

3.如權利要求1所述的訓練方法，其特征在于，

所述總損失函數還包括針對所述注意力熱度圖的正則項。

4.如權利要求1所述的訓練方法，其特征在于，

對所述第一人工神經網絡、所述第二人工神經網絡和所述第三人工神經網絡同時進行訓練。

5.如權利要求1所述的訓練方法，其特征在于，

所述第三人工神經網絡包括依次連接的輸入層、中間層和輸出層，所述輸出層配置為用于輸出反映所述檢查圖像的識別結果。

6.如權利要求1所述的訓練方法，其特征在于，

所述人工神經網絡模塊的訓練方式為弱監督。

7.如權利要求1所述的訓練方法，其特征在于，

所述第一損失函數用于評估所述檢查圖像在未使用所述注意力機制時的識別結果與所述標注結果之間的不一致程度。

8.如權利要求1所述的訓練方法，其特征在于，

所述第二損失函數用于評估所述檢查圖像在使用所述注意力機制時的識別結果與所述標注結果之間的不一致程度。

9.如權利要求1所述的訓練方法，其特征在于，

所述第三損失函數用于評估所述檢查圖像在使用所述互補注意力機制時的識別結果與無病變的標注結果之間的不一致程度。

10.如權利要求1所述的訓練方法，其特征在于，

利用所述總損失函數對所述人工神經網絡模塊進行優化以使所述總損失函數最小化。

11.如權利要求1所述的訓練方法，其特征在于，

組織病變為眼底病變。

12.一種基于人工神經網絡的組織病變識別的訓練系統，其特征在于，使用權利要求1至11的任一項所述的訓練方法進行訓練。