[发明专利]乳腺X射线影像反对称生成分析模型训练方法和装置在审
| 申请号： | 202010147836.X | 申请日： | 2020-03-05 |
| 公开（公告）号： | CN111415333A | 公开（公告）日： | 2020-07-14 |
| 发明（设计）人： | 王楚然;刚亚栋;张番栋;张笑春;俞益洲;王亦洲 | 申请（专利权）人： | 北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京天方智力知识产权代理事务所(普通合伙) 11719 | 代理人： | 谷成 |
| 地址： | 102209 北京市昌平区北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 乳腺 射线 影像 对称 生成 分析 模型 训练 方法 装置 | ||
1.一种乳腺X射线影像反对称生成模型训练方法，其特征在于，包括：
基于预训练的特征提取模型分别提取双侧乳腺X射线影像的原双侧乳腺图像特征，其中，所述双侧乳腺X射线影像分别对应左乳和右乳；
将所述原双侧乳腺图像特征输入神经网络模型以获取与所述原双侧乳腺图像特征的特征信息相反的反对称分析结果；
计算所生成的所述反对称分析结果与原双侧乳腺图像特征之间的损失函数取值；以及
基于所述损失函数取值调整所述神经网络模型的参数。
2.根据权利要求1所述的方法，其特征在于，进一步包括：
将所述反对称分析结果和所述原双侧乳腺图像特征输入所述神经网络模型进行弱监督学习。
3.根据权利要求1所述的方法，其特征在于，在基于预训练的特征提取模型分别提取双侧乳腺X射线影像的原双侧乳腺图像特征之前，进一步包括：
对所述双侧乳腺X射线影像进行预处理。
4.根据权利要求3所述的方法，其特征在于，所述对所述双侧乳腺X射线影像进行预处理包括：
对所述双侧乳腺X射线影像进行灰度归一化处理；
以二值化的方式压缩所述双侧乳腺X射线影像；
获取所述双侧乳腺X射线影像中的双侧乳腺区域影像；以及
对所述双侧乳腺区域影像分别进行开操作以对齐所述双侧乳腺区域影像。
5.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括以下模型种类中的一种：ResNet、AlexNet、DenseNet。
6.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括以下层中的一种或多种组合：卷积层、池化层和全连接层。
7.根据权利要求1所述的方法，其特征在于，所述损失函数取值所基于的损失函数包括以下函数中的一种或多种组合：对比损失、三元组损失、N对损失、倒角损失和搬土损失。
8.一种乳腺X射线影像反对称生成分析模型训练装置，其特征在于，包括：
提取模块，配置为基于预训练的特征提取模型分别提取双侧乳腺X射线影像的原双侧乳腺图像特征，其中，所述双侧乳腺X射线影像分别对应左乳和右乳；
分析模块，配置为将所述原双侧乳腺图像特征输入神经网络模型以获取与所述原双侧乳腺图像特征的特征信息相反的反对称分析结果；
计算模块，配置为计算所生成的所述反对称分析结果与原双侧乳腺图像特征之间的损失函数取值；以及
调整模块，配置为基于所述损失函数取值调整所述神经网络模型的参数。
9.一种电子设备，包括：
处理器；以及
存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1至7中任一所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至7中任一所述的方法。
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北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司，未经北京深睿博联科技有限责任公司;杭州深睿博联科技有限公司许可，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/202010147836.X/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种电流切换端子状态检测装置
- 下一篇：一种触屏控制方法、电子设备及存储介质
