[發明專利]一種基于參數遷移的甲狀腺結節識別模型訓練方法及系統

在審

• 申請號: 202110620765.5
• 申請日: 2021-06-03
• 公開（公告）號: CN113421228A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 王紅;楊杰;王正軍;滑美芳;楊雪;李剛
• 申請（專利權）人: 山東師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G16H30/20;G16H30/40;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆偉姣

1.一種基于參數遷移的甲狀腺結節識別模型訓練方法，其特征在于，包括以下步驟：

獲取帶標記的源域數據和甲狀腺結節超聲圖像；

采用所述源域數據對卷積神經網絡進行預訓練，得到預訓練模型參數；

在所述卷積神經網絡的基礎上對全連接層進行增減，保留的層采用預訓練模型參數，以甲狀腺結節超聲圖片作為輸入，對修改后的卷積神經網絡進行訓練，得到甲狀腺結節識別模型。

2.如權利要求1所述的基于參數遷移的甲狀腺結節識別模型訓練方法，其特征在于，所述預訓練采用局部監督學習的訓練方法。

3.如權利要求1所述的基于參數遷移的甲狀腺結節識別模型訓練方法，其特征在于，所述卷積神經網絡采用VGG16網絡模型。

4.如權利要求1所述的基于參數遷移的甲狀腺結節識別模型訓練方法，其特征在于，所述在所述卷積神經網絡的基礎上對全連接層進行增減為：刪除最后三層全連接層添加三個全連接層。

5.一種基于參數遷移的甲狀腺結節識別模型訓練系統，其特征在于，包括：

訓練數據獲取模塊，被配置為：獲取已進行數據標記的源域數據和甲狀腺結節超聲圖像；

預訓練模塊，被配置為：采用所述源域數據對卷積神經網絡進行預訓練，得到預訓練模型參數；

遷移訓練模塊，被配置為：在所述卷積神經網絡的基礎上對全連接層進行增減，保留的層采用預訓練模型參數，以甲狀腺結節超聲圖片作為輸入，對修改后的卷積神經網絡進行訓練，得到甲狀腺結節識別模型。

6.如權利要求1所述的基于參數遷移的甲狀腺結節識別模型訓練方法，其特征在于，所述預訓練采用局部監督學習的訓練方法。

7.如權利要求1所述的基于參數遷移的甲狀腺結節識別模型訓練方法，其特征在于，所述在所述卷積神經網絡的基礎上對全連接層進行增減為：刪除最后三層全連接層添加三個全連接層。

8.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-4任一項所述的方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-4任一項所述的方法。

10.一種基于參數遷移的甲狀腺結節識別系統，其特征在于，包括：

數據獲取模塊，被配置為獲取待識別的甲狀腺超聲圖像；

甲狀腺結節識別模塊，被配置為根據所述甲狀腺超聲圖像，采用甲狀腺結節識別模型，進行甲狀腺結節識別；其中所述甲狀腺結節識別模型采用如權利要求1-4任一項所述的方法進行訓練。