[发明专利]网络训练方法、装置、检测方法、计算机设备和存储介质在审

专利信息
申请号: 201910471489.3 申请日: 2019-05-31
公开(公告)号: CN110335250A 公开(公告)日: 2019-10-15
发明(设计)人: 高耀宗;周翔;詹翊强 申请(专利权)人: 上海联影智能医疗科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/32;G06K9/62
代理公司: 北京华进京联知识产权代理有限公司 11606 代理人: 朱五云
地址: 200232 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 影像 目标区域 标注 正样本 网络 初始检测 目标检测 网络训练 检测 计算机设备 存储介质 负样本 医学影像 转换 假阳性 检出率 申请
【权利要求书】:

1.一种网络训练方法,其特征在于,所述方法包括:

获取第一正样本影像、第二正样本影像和负样本影像;所述第一正样本影像包括未标注的目标区域;所述第二正样本影像包括已标注的目标区域;所述负样本影像未包括所述目标区域;

将所述第一正样本影像输入至初始检测网络中,得到所述第一正样本影像中目标区域的标注结果;所述初始检测网络为根据所述负样本影像和所述第二正样本影像训练得到的网络;

根据所述第一正样本影像中目标区域的标注结果、所述负样本影像、所述第二正样本影像对所述初始检测网络进行训练,得到目标检测网络。

2.根据权利要求1所述的方法,其特征在于,所述根据所述第一正样本影像中目标区域的标注结果、所述负样本影像、所述第二正样本影像对所述初始检测网络进行训练,得到目标检测网络,包括:

根据各所述第一正样本影像中目标区域的标注结果、各所述第一正样本影像确定所述第一正样本影像的训练数据;

根据所述第一正样本影像的训练数据、所述负样本影像、所述第二正样本影像对所述初始检测网络进行训练,得到所述目标检测网络。

3.根据权利要求2所述的方法,其特征在于,所述根据各所述第一正样本影像中目标区域的标注结果、各所述第一正样本影像确定所述第一正样本影像的训练数据,包括:将大于等于第一预设概率阈值的所述目标区域的标注结果、和各所述目标区域对应的第一正样本影像确定为所述第一正样本影像的训练数据。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述第一正样本影像和负样本影像的总数量大于所述第二正样本影像数量。

5.根据权利要求4所述的方法,其特征在于,获取第一正样本影像和负样本影像,包括:

获取多个医学影像的临床阅片报告;

根据各所述临床阅片报告确定各所述医学影像中是否存在所述目标区域;

将存在所述目标区域的医学影像确定为所述第一正样本影像、将不存在所述目标区域的医学影像确定为所述负样本影像。

6.一种检测方法,其特征在于,所述方法包括:

获取待检测医学影像;

将所述待检测医学影像输入至目标检测网络中,得到所述待检测医学影像的目标区域检测结果;所述目标检测网络为根据上述权利要求1-5任一项权利要求所述方法训练的网络。

7.根据权利要求6所述的方法,其特征在于,所述将所述待检测医学影像输入至目标检测网络中,得到所述待检测医学影像的目标区域检测结果,包括:

将所述待检测医学影像输入至所述目标检测网络中,得到所述待检测医学影像的多个所述目标区域的标注框;

将大于等于所述第二预设概率阈值的目标区域的标注框,确定为所述待检测医学影像的目标区域检测结果。

8.一种网络训练装置,其特征在于,所述装置包括:

样本获取模块,用于获取第一正样本影像、第二正样本影像和负样本影像;所述第一正样本影像包括未标注的目标区域;所述第二正样本影像包括已标注的目标区域;所述负样本影像未包括所述目标区域;

标注模块,用于将所述第一正样本影像输入至初始检测网络中,得到所述第一正样本影像中目标区域的标注结果;根据所述负样本影像和所述第二正样本影像训练得到所述初始检测网络;

目标网络训练模块,用于根据所述第一正样本影像中目标区域的标注结果、所述负样本影像、所述第二正样本影像对所述初始检测网络进行训练,得到目标检测网络。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海联影智能医疗科技有限公司,未经上海联影智能医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910471489.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top