[發(fā)明專利]一種影像識(shí)別方法和裝置

在審

• 申請?zhí)枺?/td>: 202011643346.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112766323A
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 黃高;王語霖;郭嘉懿;宋士吉
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11262
• 代理人: 蔣冬梅;栗若木

本申請實(shí)施例公開了一種影像識(shí)別方法和裝置，該方法包括：獲取待識(shí)別影像以及訓(xùn)練好的影像識(shí)別模型；將待識(shí)別影像輸入影像識(shí)別模型，并由影像識(shí)別模型輸出待識(shí)別影像對應(yīng)的疾病類型；影像識(shí)別模型是以預(yù)設(shè)的訓(xùn)練數(shù)據(jù)集包含的標(biāo)注數(shù)據(jù)集合對第一卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并基于訓(xùn)練數(shù)據(jù)集包含的未標(biāo)注數(shù)據(jù)集合以及訓(xùn)練后的第一卷積神經(jīng)網(wǎng)絡(luò)獲得未標(biāo)注數(shù)據(jù)集合中每個(gè)未標(biāo)注數(shù)據(jù)對應(yīng)的偽標(biāo)簽；基于偽標(biāo)簽以及元學(xué)習(xí)方法對第二卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練獲得的；第二卷積神經(jīng)網(wǎng)絡(luò)與第一卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相同；訓(xùn)練好的第二卷積神經(jīng)網(wǎng)絡(luò)作為影像識(shí)別模型。該實(shí)施例方案實(shí)現(xiàn)了不引入額外的超參數(shù)，具有更低的部署成本，適用性更廣。

技術(shù)領(lǐng)域

本文涉及影像分析技術(shù)，尤指一種影像識(shí)別方法和裝置。

背景技術(shù)

醫(yī)療影像技術(shù)指的是利用x光投射、核磁共振掃描等方式獲取人體內(nèi)部的可視影像數(shù)據(jù)，其包含大量清晰、直觀的醫(yī)學(xué)信息，對臨床醫(yī)生和專家的分析及診斷具有極大地參考意義，在現(xiàn)代醫(yī)學(xué)治療和研究中具有非常廣泛的應(yīng)用。近年來，隨著人工智能技術(shù)的快速發(fā)展，利用深度卷積神經(jīng)網(wǎng)絡(luò)對醫(yī)療影像進(jìn)行自動(dòng)識(shí)別已經(jīng)成為一種高效、精確、低成本的醫(yī)療影像分析技術(shù)，可以有效緩解醫(yī)療資源不足、存在醫(yī)生誤判風(fēng)險(xiǎn)等問題。然而，部署深度卷積神經(jīng)網(wǎng)絡(luò)需要對足量的訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)注，醫(yī)療影像的標(biāo)注工作往往需要富有經(jīng)驗(yàn)的放射科醫(yī)生及相關(guān)領(lǐng)域?qū)＜一ㄙM(fèi)較長時(shí)間完成，具有很高的人力和時(shí)間成本。

針對標(biāo)注成本高昂的問題，半監(jiān)督學(xué)習(xí)是一種有效的解決方案。其使用少量高成本標(biāo)注樣本和大量低成本、易獲取無標(biāo)注樣本同時(shí)進(jìn)行訓(xùn)練，得到泛化性能較佳的深度卷積網(wǎng)絡(luò)。盡管一些現(xiàn)有的半監(jiān)督學(xué)習(xí)方法已經(jīng)被應(yīng)用于醫(yī)療影像識(shí)別，但是這些方法往往具有很高的超參數(shù)搜索成本，需要投入大量的計(jì)算資源才能取得較好的效果。

發(fā)明內(nèi)容

本申請實(shí)施例提供了一種影像識(shí)別方法和裝置，能夠不引入額外的超參數(shù)，具有更低的部署成本，適用性更廣。

本申請實(shí)施例提供了一種影像識(shí)別方法，所述方法可以包括：

獲取待識(shí)別影像以及訓(xùn)練好的影像識(shí)別模型；

將所述待識(shí)別影像輸入所述影像識(shí)別模型，并由所述影像識(shí)別模型輸出所述待識(shí)別影像對應(yīng)的疾病類型；

其中，所述影像識(shí)別模型是以預(yù)設(shè)的訓(xùn)練數(shù)據(jù)集包含的標(biāo)注有疾病類型的標(biāo)注數(shù)據(jù)集合對預(yù)先建立的第一卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并基于所述訓(xùn)練數(shù)據(jù)集包含的未標(biāo)注有疾病類型的未標(biāo)注數(shù)據(jù)集合以及訓(xùn)練后的第一卷積神經(jīng)網(wǎng)絡(luò)獲得所述未標(biāo)注數(shù)據(jù)集合中每個(gè)未標(biāo)注數(shù)據(jù)對應(yīng)的偽標(biāo)簽；基于所述偽標(biāo)簽以及元學(xué)習(xí)方法對第二卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練獲得的；所述第二卷積神經(jīng)網(wǎng)絡(luò)與所述第一卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同；訓(xùn)練好的第二卷積神經(jīng)網(wǎng)絡(luò)作為所述影像識(shí)別模型。

在本申請的示例性實(shí)施例中，獲取訓(xùn)練好的影像識(shí)別模型可以包括：

直接調(diào)取存儲(chǔ)的影像識(shí)別模型；或者，

創(chuàng)建所述影像識(shí)別模型。

在本申請的示例性實(shí)施例中，所述創(chuàng)建所述影像識(shí)別模型，可以包括：

獲取所述訓(xùn)練數(shù)據(jù)集；所述訓(xùn)練數(shù)據(jù)集包含標(biāo)注有疾病類型的標(biāo)注數(shù)據(jù)集合以及未標(biāo)注有疾病類型的未標(biāo)注數(shù)據(jù)集合；

構(gòu)建所述第一卷積神經(jīng)網(wǎng)絡(luò)以及與所述第一卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)完全相同的第二卷積神經(jīng)網(wǎng)絡(luò)；

以所述標(biāo)注數(shù)據(jù)集合對所述第一卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

將所述未標(biāo)注數(shù)據(jù)集合輸入訓(xùn)練后的第一卷積神經(jīng)網(wǎng)絡(luò)，獲得所述偽標(biāo)簽；

基于所述偽標(biāo)簽對所述第二卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)設(shè)次數(shù)的訓(xùn)練；

將訓(xùn)練后的第二卷積神經(jīng)網(wǎng)絡(luò)作為所述影像識(shí)別模型。