[發(fā)明專利]基于終身學(xué)習(xí)的胸膜病變分割的知識蒸餾方法及裝置

在審

• 申請?zhí)枺?/td>: 202110398753.2
• 申請日: 2021-04-14
• 公開（公告）號: CN112802023A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計）人: 杜強(qiáng);歐陽金鵬;郭雨晨;聶方興
• 申請（專利權(quán)）人: 北京小白世紀(jì)網(wǎng)絡(luò)科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/08
• 代理公司: 北京八月瓜知識產(chǎn)權(quán)代理有限公司 11543
• 代理人: 李斌

1.一種基于終身學(xué)習(xí)的胸膜病變分割的知識蒸餾方法，其特征在于，包括如下步驟，

S1、將已訓(xùn)練好的胸膜病變分病種的多個原模型的softmax分布知識蒸餾后，得到原模型知識，將所述原模型知識賦予要建立的模型的softmax分布，得到一個新模型；

S2、對胸膜病變圖片集中的CT圖像進(jìn)行預(yù)處理；

S3、將預(yù)處理后的一張CT圖像分別輸入訓(xùn)練好的多個原模型，得到多個分割結(jié)果；

S4、將S3得到的多個分割結(jié)果堆砌起來與原CT圖像的標(biāo)簽計算第一損失值；

S5、將S3的預(yù)處理后的一張CT圖像輸入到所述新模型得到預(yù)測圖，將所述預(yù)測圖與原CT圖像的標(biāo)簽計算損失后得到第二損失值；

S6、將所述第一損失值和所述第二損失值使用梯度下降算法進(jìn)行加權(quán)求和，得到用來更新新模型的梯度；

S7、將梯度進(jìn)行反向傳播，更新新模型的權(quán)重參數(shù)；

S8、在添加新病種的情況下，將訓(xùn)練好的一個新病種模型加入原模型，將新病種的CT圖像加入原有胸膜病變圖片集，執(zhí)行步驟S1-S7，進(jìn)行終身學(xué)習(xí)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S1具體包括：

根據(jù)公式1建立一個廣義的softmax函數(shù)：

公式1；

其中，T表示溫度，Z表示一個向量，Z_i和Z_j是其中的一個元素；

根據(jù)公式2對原模型進(jìn)行蒸餾：

公式2；

其中，q為新模型利用公式1產(chǎn)生的分布，p為原模型利用公式1產(chǎn)生的分布，C為損失值；

將原模型中的知識提取出來賦予要建立的模型，得到一個新模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S8還包括：

若沒有單獨(dú)訓(xùn)練過新類別的數(shù)據(jù)，對新病種的CT圖像進(jìn)行預(yù)處理，將預(yù)處理后的CT圖像輸入到新模型得到預(yù)測圖，將所述預(yù)測圖與原圖標(biāo)簽計算損失后得到損失值，將損失值進(jìn)行反向傳播，更新新模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述S2和所述對新病種的CT圖像進(jìn)行預(yù)處理具體包括：

步驟一，根據(jù)公式3對將CT圖像的X線吸收系數(shù)換算成CT值：

公式3；

其中，HU表示CT值的單位，用于表示CT值，slope為存儲在磁盤表示中的像素到存儲在內(nèi)存表示中的像素的線性轉(zhuǎn)換的縮放斜率，intercept為存儲在磁盤表示中的像素到存儲在內(nèi)存表示中的像素的線性轉(zhuǎn)換的截距；pixel為CT圖像像素；

步驟二，調(diào)整CT圖像的窗寬窗位，使得胸膜獲得最佳顯示；

步驟三，對于部分病變部位特別小的圖片采取中心裁剪的方法，即只選取有目標(biāo)位置的區(qū)域，相對放大有效區(qū)域；

步驟四，選定所有有目標(biāo)區(qū)域的切片索引，隨機(jī)選取索引，并且以隨機(jī)選取的切片中心隨機(jī)偏移正負(fù)N個索引，再取前后N個切片構(gòu)成2N切片為一個整體的3D圖像；

步驟五，在所述整體的3D圖像中，加入一定比例的非有效區(qū)域，得到完整的3D圖像，圖像預(yù)處理完成。