[發明專利]醫學影像檢測方法和醫學影像檢測模型的訓練方法

在審

• 申請號: 202110856539.7
• 申請日: 2021-07-28
• 公開（公告）號: CN113658113A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 章茹琪
• 申請（專利權）人: 武漢聯影醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 唐德君

1.一種醫學影像檢測方法，其特征在于，所述方法包括：

獲取檢測對象目標部位的醫學影像數據；

將所述目標部位的醫學影像數據輸入至預設的特征提取模型中，得到所述目標部位的特征提取結果；所述特征提取模型包括有向稀疏采樣網絡和生成式對抗網絡；

根據所述特征提取結果，確定所述檢測對象目標部位的檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述特征提取模型的訓練方法包括：

獲取初始樣本數據集；

根據所述初始樣本數據集對初始特征提取模型進行訓練，得到所述特征提取模型；所述初始特征提取模型包括初始有向稀疏采樣網絡和初始生成式對抗網絡。

3.根據權利要求2所述的方法，其特征在于，所述根據所述初始樣本數據集對初始特征提取模型進行訓練，得到所述特征提取模型，包括：

根據所述初始樣本數據集，分別對所述初始有向稀疏采樣網絡和所述初始生成式對抗網絡進行訓練，得到候選有向稀疏采樣網絡和候選生成式對抗網絡；

將所述候選有向稀疏采樣網絡和所述候選生成式對抗網絡進行結合，生成候選特征提取模型；所述候選特征提取模型包括所述候選有向稀疏采樣網絡和所述候選生成式對抗網絡的共享卷積層；

根據所述初始樣本數據集對所述候選特征提取模型進行訓練，得到所述特征提取模型。

4.根據權利要求3所述的方法，其特征在于，所述根據所述初始樣本數據集對所述候選特征提取模型進行訓練，得到所述特征提取模型，包括：

在所述候選特征提取模型中，將所述候選生成式對抗網絡的參數保持不變，對所述候選有向稀疏采樣網絡進行訓練，得到第一中間特征提取模型；

在所述第一中間特征提取模型中，將所述候選有向稀疏采樣網絡的參數保持不變，對所述候選生成式對抗網絡進行訓練，更新所述候選特征提取模型；和/或，

在所述候選特征提取模型中，將所述候選有向稀疏采樣網絡的參數保持不變，對所述候選生成式對抗網絡進行訓練，得到第二中間特征提取模型；

在所述第二中間特征提取模型中，將所述候選生成式對抗網絡的參數保持不變，對所述候選有向稀疏采樣網絡進行訓練，更新所述候選特征提取模型；

根據更新后的所述候選特征提取模型，確定所述特征提取模型。

5.根據權利要求4所述的方法，其特征在于，所述在所述候選特征提取模型中，將所述候選生成式對抗網絡的參數保持不變，對所述候選有向稀疏采樣網絡進行訓練，得到第一中間特征提取模型，包括：

在所述候選特征提取模型中，將所述候選生成式對抗網絡與所述候選有向稀疏采樣網絡的共享卷積層的參數保持不變；

根據所述初始樣本數據集對所述候選有向稀疏采樣網絡進行訓練，得到所述第一中間特征提取模型。

6.根據權利要求4所述的方法，其特征在于，所述在所述第一中間特征提取模型中，將所述候選有向稀疏采樣網絡的參數保持不變，對所述候選生成式對抗網絡進行訓練，更新所述候選特征提取模型，包括：

在所述第一中間特征提取模型中，將所述候選有向稀疏采樣網絡的卷積層的參數保持不變；

根據所述初始樣本數據集對所述候選生成式對抗網絡進行訓練，更新所述候選特征提取模型。

7.根據權利要求4所述的方法，其特征在于，所述在所述候選特征提取模型中，將所述候選有向稀疏采樣網絡的參數保持不變，對所述候選生成式對抗網絡進行訓練，得到第二中間特征提取模型，包括：

在所述候選特征提取模型中，將所述候選有向稀疏采樣網絡的卷積層的參數保持不變；

根據所述初始樣本數據集對所述候選生成式對抗網絡進行訓練，得到所述第二中間特征提取模型。