[发明专利]神经网络模型的训练方法、装置和医学图像处理系统

权利要求书

1.一种用于图像处理的神经网络模型的训练方法，包括：

执行初始训练步骤，以利用第一训练样本集执行初始训练，获得初始神经网络模型，所述第一训练样本集中的样本为已标注的样本；

执行预测步骤，以利用所述初始神经网络模型对第二训练样本集执行预测，获得所述第二训练样本集中每个训练样本的预测结果，所述第二训练样本集中的样本为未标注的样本；

执行优选样本确定步骤，以基于所述预测结果，从所述第二训练样本集确定多个优选样本；

执行样本扩展步骤，以接收对于所述多个优选样本的标注结果，将标注后的所述多个优选样本加入所述第一训练样本集，获得扩展的第一训练样本集；

执行更新训练步骤，以利用所述扩展的第一训练样本集执行更新训练，以获得更新的神经网络模型；

判断是否满足训练结束条件，在满足训练结束条件的情况下，结束所述训练方法；以及

在不满足所述训练结束条件的情况下，重复执行所述预测步骤、所述优选样本确定步骤、所述样本扩展步骤以及所述更新训练步骤。

2.如权利要求1所述神经网络模型的训练方法，其中，所述优选样本确定步骤包括：

确定所述第二训练样本集中每个训练样本的信息量，并且选择第一预定数目的高信息量样本；以及

基于所述第一预定数目的高信息量样本中每个样本的复杂度，以从低复杂度到高复杂度的顺序，从所述第一预定数目的高信息量样本确定第二预定数目的高信息量样本，作为所述多个优选样本。

3.如权利要求2所述神经网络模型的训练方法，其中，所述确定所述第二训练样本集中每个训练样本的信息量包括：

确定所述第二训练样本集中每个训练样本的不确定性和多样性；以及

对所述不确定性和所述多样性进行加权计算，获得所述每个训练样本的信息量。

4.如权利要求3所述神经网络模型的训练方法，其中，所述第二训练样本集中每个训练样本具有相应的弱监督信息，

每个训练样本的所述不确定性基于每个训练样本相应的弱监督信息和预测结果确定；

每个训练样本的所述多样性基于每个训练样本与所述第二训练样本集中的其他训练样本的相似性确定。

5.如权利要求2到4的任一项所述神经网络模型的训练方法，其中，所述第二训练样本集中每个训练样本具有相应的弱监督信息，并且所述每个样本的复杂度与所述每个训练样本相应的弱监督信息的确信度负相关。

6.一种利用神经网络模型的图像处理方法，包括：

接收输入图像；

利用所述神经网络模型对所述输入图像执行特征提取处理；以及

基于提取的特征，输出处理结果图像，

其中，利用如权利要求1到5的任一项所述的神经网络模型的训练方法，获得所述神经网络模型。

7.如权利要求6所述的图像处理方法，其中，所述输入图像为医用钼靶影像，并且所述处理结果指示所述医用钼靶影像肿块病灶的位置与轮廓。