[发明专利]用于自动诊断的方法、装置和系统

权利要求书

1.一种用于自动诊断的方法，包括：

通过包括串联连接的多个CNN的CNN组依次接收预定数量的医学视频数据的帧；

通过所述CNN组预测每个所述帧的病变预测；以及

输出各自标记有所述病变预测的所述帧；

其中，对于每个输入的帧，所述预测包括：

通过所述CNN组中的第一CNN从所述输入的帧中提取特征；

通过所述第一CNN基于所提取的特征来确定对所述输入的帧的预测；

通过所述第一CNN之后的每个CNN从其输入中提取特征，其中通过级联来自先前CNN的至少一个最新输出来生成输入到所述第一CNN之后的每个CNN的输入，并且每个CNN的输出是所提取的特征和所确定的预测中的至少一个；以及

由所述第一CNN之后的每个CNN基于其所提取的特征来确定所述输入的帧的预测，其中来自所述CNN组中的最后CNN的预测被输出为所述输入的帧的病变预测。

2.如权利要求1所述的方法，其中，所述CNN组中的每个CNN包括串联连接的多个特征提取器层以及在所述特征提取器层中的最后一个特征提取器层之后的至少一个预测器，

其中，每个所述特征提取器层包括并联连接的多个特征提取器，并且每个特征提取器提取针对其输入的特征，

第一特征提取器层中的每个特征提取器的输入是相应CNN的输入，

在所述第一特征提取器层之后的每个特征提取器层的输入是由先前特征提取器层中的所有特征提取器提取的特征的总和，

每个所述预测器的输入是由最后的特征提取器层中的所有特征提取器提取的特征的和，并且所述预测器基于其输入来确定预测。

3.如权利要求2所述的方法，其中，所述特征提取器中的每一个具有多个卷积层，并且具有第一结构、第二结构和平行结构中的至少一个，

在所述第一结构中，每个所述卷积层连接到其所有后续卷积层；

在所述第二结构中，每个所述卷积层连接到下一层或下两层的卷积层；以及

在并联结构中，所述第一结构和所述第二结构并联连接。

4.如权利要求2所述的方法，其中，所述CNN组中的每个CNN包括一个预测器，并且由所述一个预测器确定的预测是用于不同预测任务的多个预测的组合。

5.如权利要求2所述的方法，其中，所述CNN组中的每个CNN包括多个预测器，并且由所述多个预测器确定的预测分别用于不同预测任务。

6.如权利要求2所述的方法，还包括：

通过以下方式训练所述CNN组：

a)向所述CNN组输入预定数量的医学视频数据的训练帧；

b)通过所述CNN组中除最后一个CNN外的CNN预测每个所述训练帧的帧病变预测候选；

c)比较每个所述训练帧的帧病变预测候选与参考值，得到针对每个所述训练帧的第一训练误差；

d)通过所述CNN组中的最后一个CNN根据先前CNN的级联输出预测每个所述训练帧的最终帧病变预测候选；

e)比较每个所述训练帧的最终帧病变预测候选与最终参考值，得到针对每个训练帧的第二训练误差；

f)将所述第一训练误差和所述第二训练误差后向传播至所述CNN组，以调整CNN的参数；以及

g)重复步骤a)-f)，直到所述第一训练误差和所述第二训练误差收敛。

7.如权利要求6所述的方法，其中，所述后向传播包括：

后向传播所述第一训练误差和所述第二训练误差的和到所述CNN组以调整CNN的参数。