[發(fā)明專利]用于醫(yī)學圖像分析的學習網(wǎng)絡(luò)的訓練方法和訓練系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110525922.4
• 申請日: 2021-05-13
• 公開（公告）號: CN112991346B
• 公開（公告）日: 2022-04-26
• 發(fā)明（設(shè)計）人: 李俊環(huán);李若平;侯玲;趙鵬飛;李育威;曹坤琳;宋麒
• 申請（專利權(quán)）人: 深圳科亞醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京金信知識產(chǎn)權(quán)代理有限公司 11225
• 代理人: 夏東棟

本公開涉及一種用于醫(yī)學圖像分析的學習網(wǎng)絡(luò)的訓練方法和訓練系統(tǒng)。該訓練方法包括：設(shè)置具有預定結(jié)構(gòu)的學習網(wǎng)絡(luò)并獲取原始訓練數(shù)據(jù)集；由處理器，使用原始訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行預訓練，以得到預訓練好的學習網(wǎng)絡(luò)；由處理器，對預訓練好的學習網(wǎng)絡(luò)進行評估，以判定其是否存在預設(shè)的評估缺陷；由處理器，在預訓練好的學習網(wǎng)絡(luò)存在評估缺陷的情況下，針對所存在的評估缺陷在原始訓練數(shù)據(jù)集的基礎(chǔ)上進行數(shù)據(jù)增強；以及由處理器，基于預訓練模型的參數(shù)，使用數(shù)據(jù)增強后的訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行精細訓練。本公開能夠分階段對學習網(wǎng)絡(luò)進行評估和訓練，因此，降低了醫(yī)學圖像處理的復雜度，提高了醫(yī)學圖像分析的效率和準確性。

技術(shù)領(lǐng)域

本公開涉及醫(yī)學圖像分析技術(shù)領(lǐng)域，更具體地，涉及一種用于醫(yī)學圖像分析的學習網(wǎng)絡(luò)的訓練方法和訓練系統(tǒng)、訓練設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

醫(yī)學圖像可以快速地、無創(chuàng)傷或微創(chuàng)傷地獲取到人體內(nèi)部組織結(jié)構(gòu)性成像和功能性成像，以清楚地了解人類各器官的生理結(jié)構(gòu)和代謝情況。目前，醫(yī)學圖像分析已經(jīng)成為必不可少的臨床診斷輔助手段。通過圖像處理技術(shù)、計算機技術(shù)，可以對這些信息進行有效處理，用于輔助診斷、手術(shù)規(guī)劃等，具有重大的社會效益和廣泛的應用前景。

近年來，深度學習（Deep Learning，DL）已經(jīng)迅速發(fā)展成為醫(yī)學圖像分析的研究熱點，其能夠從醫(yī)學圖像大數(shù)據(jù)中自動提取隱含的疾病診斷特征，因此，逐漸成為圖像篩查分類中的重要技術(shù)。

然而，醫(yī)學圖像需要經(jīng)過很長時間的累積才能達到一定的數(shù)據(jù)量，并且深度學習算法對高質(zhì)量數(shù)據(jù)的需求使得可用于訓練的數(shù)據(jù)的獲取更為困難，因此，在使用醫(yī)學數(shù)據(jù)進行模型訓練時，一些特定區(qū)域或包含特定病灶的數(shù)據(jù)明顯不足。另外，醫(yī)學圖像的噪聲和偽影不僅影響醫(yī)學圖像的質(zhì)量，而且還影響模型的深度學習能力。因此，現(xiàn)有技術(shù)在基于深度學習對醫(yī)學圖像進行分析時，由于醫(yī)學數(shù)據(jù)的特殊性和深度學習的局限性，難以達到臨床應用級別的訓練效果和獲得基于深度學習的模型算法，導致醫(yī)學圖像的訓練和學習的復雜度高，醫(yī)學圖像分析的效率和準確性低，無法滿足臨床應用對于疾病精準分析和診斷的要求。

發(fā)明內(nèi)容

提供了本公開以解決現(xiàn)有技術(shù)中存在的上述問題。

本公開需要一種用于醫(yī)學圖像分析的學習網(wǎng)絡(luò)的訓練方法和訓練系統(tǒng)、訓練設(shè)備及計算機可讀存儲介質(zhì)。該訓練方法通過使用原始訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行預訓練以得到預訓練好的學習網(wǎng)絡(luò)，對預訓練好的學習網(wǎng)絡(luò)進行評估以判定其是否存在預設(shè)的評估缺陷，在預訓練好的學習網(wǎng)絡(luò)存在評估缺陷的情況下，針對所存在的評估缺陷在原始訓練數(shù)據(jù)集的基礎(chǔ)上進行數(shù)據(jù)增強，并基于預訓練模型的參數(shù)，使用數(shù)據(jù)增強后的訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行精細訓練，能夠基于有限的醫(yī)學數(shù)據(jù)對學習網(wǎng)絡(luò)進行迭代式訓練，從而快速、準確地獲取與分析要求有關(guān)的醫(yī)學圖像，并對所獲取的醫(yī)學圖像進行更精準、更有針對性的分析，因此，降低了醫(yī)學圖像的訓練和學習的復雜度，提高了醫(yī)學圖像分析的效率和準確性。

根據(jù)本公開的第一方面，提供了一種用于醫(yī)學圖像分析的學習網(wǎng)絡(luò)的訓練方法。該訓練方法包括：設(shè)置具有預定結(jié)構(gòu)的學習網(wǎng)絡(luò)并獲取原始訓練數(shù)據(jù)集；由處理器，使用原始訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行預訓練，以得到預訓練好的學習網(wǎng)絡(luò)；由處理器，對預訓練好的學習網(wǎng)絡(luò)進行評估，以判定其是否存在預設(shè)的評估缺陷；由處理器，在預訓練好的學習網(wǎng)絡(luò)存在評估缺陷的情況下，針對所存在的評估缺陷在原始訓練數(shù)據(jù)集的基礎(chǔ)上進行數(shù)據(jù)增強；以及由處理器，基于預訓練模型的參數(shù)，使用數(shù)據(jù)增強后的訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行精細訓練。

根據(jù)本公開的第二方面，提供了一種用于醫(yī)學圖像分析的學習網(wǎng)絡(luò)的訓練系統(tǒng)。該訓練系統(tǒng)包括：通信接口，其配置成獲取原始訓練數(shù)據(jù)集；以及處理器，其配置成：使用原始訓練數(shù)據(jù)集對具有預定結(jié)構(gòu)的學習網(wǎng)絡(luò)進行預訓練，以得到預訓練好的學習網(wǎng)絡(luò)；對預訓練好的學習網(wǎng)絡(luò)進行評估，以判定其是否存在預設(shè)的評估缺陷；在預訓練好的學習網(wǎng)絡(luò)存在評估缺陷的情況下，針對所存在的評估缺陷在原始訓練數(shù)據(jù)集的基礎(chǔ)上進行數(shù)據(jù)增強；以及基于預訓練模型的參數(shù)，使用數(shù)據(jù)增強后的訓練數(shù)據(jù)集對學習網(wǎng)絡(luò)進行精細訓練。