[发明专利]一种用于医疗图像的网络模型的调整方法和装置

权利要求书

1.一种用于医疗图像的网络模型的调整方法，其特征在于，包括：

利用训练样本对神经网络模型进行训练，得到训练后的神经网络模型；其中，所述训练后的神经网络模型包括多层卷积结构和残差卷积层结构，所述残差卷积层结构与所述多层卷积结构中的至少一层卷积结构并列；

对所述残差卷积层结构的下一层卷积结构进行检测，得到检测结果；以及

根据所述检测结果，调整所述训练后的神经网络模型的参数；

其中，对所述残差卷积层结构的下一层卷积结构进行检测，得到检测结果的方式包括：

将所述残差卷积层结构的输出图像输入所述残差卷积层结构的下一层卷积结构，得到第一输出图像；

将与所述残差卷积层结构并列的卷积结构的输出图像和所述残差卷积层结构的输出图像融合后输入所述残差卷积层结构的下一层卷积结构，得到第二输出图像；以及

比对所述第一输出图像和所述第二输出图像，得到所述检测结果。

2.根据权利要求1所述的调整方法，其特征在于，所述比对所述第一输出图像和所述第二输出图像，得到所述检测结果包括：

计算所述第一输出图像和所述第二输出图像的相似度。

3.根据权利要求2所述的调整方法，其特征在于，所述根据所述检测结果，调整所述训练后的神经网络模型的参数包括：

当所述第一输出图像和所述第二输出图像的相似度小于预设阈值时，调整所述残差卷积层结构的权重，和/或调整与所述残差卷积层结构并列的卷积结构的权重。

4.根据权利要求1所述的调整方法，其特征在于，所述训练后的神经网络模型包括多个所述残差卷积层结构，多个所述残差卷积层结构分别与所述多层卷积结构并列。

5.根据权利要求1所述的调整方法，其特征在于，所述多层卷积结构中至少包括一层空洞卷积层结构。

6.根据权利要求5所述的调整方法，其特征在于，所述空洞卷积层结构包括多个并列且空洞率不同的空洞卷积层。

7.一种用于医疗图像的网络模型的调整装置，其特征在于，包括：

训练模块，用于利用训练样本对神经网络模型进行训练，得到训练后的神经网络模型；其中，所述训练后的神经网络模型包括多层卷积结构和残差卷积层结构，所述残差卷积层结构与所述多层卷积结构中的至少一层卷积结构并列；

检测模块，用于对所述残差卷积层结构的下一层卷积结构进行检测，得到检测结果；以及

调整模块，用于根据所述检测结果，调整所述训练后的神经网络模型的参数；

其中，所述检测模块包括：

第一输出单元，用于将残差卷积层结构的输出图像输入残差卷积层结构的下一层卷积结构，得到第一输出图像；

第二输出单元，用于将与残差卷积层结构并列的卷积结构的输出图像和残差卷积层结构的输出图像融合后输入残差卷积层结构的下一层卷积结构，得到第二输出图像；以及

比对单元，用于比对第一输出图像和第二输出图像，得到检测结果。

8.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-6任一所述的用于医疗图像的网络模型的调整方法。

9.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于执行上述权利要求1-6任一所述的用于医疗图像的网络模型的调整方法。