[发明专利]基于人工神经网络的组织病变识别的训练方法及训练系统

权利要求书

1.一种基于人工神经网络的组织病变识别的训练方法，其特征在于，包括：准备训练数据集，所述训练数据集包括多张检查图像以及与所述检查图像关联的标注图像，所述标注图像包括有病变的标注结果或无病变的标注结果；将所述训练数据集输入人工神经网络模块以对所述检查图像进行特征提取以获得特征图，并且基于注意力机制对所述特征图进行处理以获得注意力热度图，并且基于互补注意力机制对所述注意力热度图进行处理以获得互补注意力热度图；所述人工神经网络模块包括第一人工神经网络、第二人工神经网络以及第三人工神经网络；利用所述第一人工神经网络对所述检查图像进行特征提取以获得所述特征图，利用所述第二人工神经网络获得指示病变区域的所述注意力热度图和指示非病变区域的所述互补注意力热度图，所述检查图像由所述病变区域和所述非病变区域构成，利用所述第三人工神经网络基于所述特征图对所述检查图像进行识别以获得第一识别结果，利用所述第三人工神经网络基于所述特征图和所述注意力热度图对所述检查图像进行识别以获得第二识别结果，利用所述第三人工神经网络基于所述特征图和所述互补注意力热度图对所述检查图像进行识别以获得第三识别结果；结合所述第一识别结果与所述标注图像以获得在未使用所述注意力机制时的第一损失函数，结合所述第二识别结果与所述标注图像以获得在使用所述注意力机制时的第二损失函数，结合所述第三识别结果与具有无病变的标注结果的所述标注图像以获得在使用所述互补注意力机制时的第三损失函数，利用所述第一损失函数、所述第二损失函数、以及所述第三损失函数获取包括基于所述第一损失函数的第一损失项、基于所述第二损失函数和所述第一损失函数的差的第二损失项、以及基于所述第三损失函数的第三损失项的总损失函数， 并利用所述总损失函数对所述人工神经网络模块进行优化。

2.如权利要求1所述的训练方法，其特征在于，

所述总损失函数还包括所述注意力热度图的总面积项，所述总面积项用于评估所述病变区域的面积。

3.如权利要求1所述的训练方法，其特征在于，

所述总损失函数还包括针对所述注意力热度图的正则项。

4.如权利要求1所述的训练方法，其特征在于，

对所述第一人工神经网络、所述第二人工神经网络和所述第三人工神经网络同时进行训练。

5.如权利要求1所述的训练方法，其特征在于，

所述第三人工神经网络包括依次连接的输入层、中间层和输出层，所述输出层配置为用于输出反映所述检查图像的识别结果。

6.如权利要求1所述的训练方法，其特征在于，

所述人工神经网络模块的训练方式为弱监督。

7.如权利要求1所述的训练方法，其特征在于，

所述第一损失函数用于评估所述检查图像在未使用所述注意力机制时的识别结果与所述标注结果之间的不一致程度。

8.如权利要求1所述的训练方法，其特征在于，

所述第二损失函数用于评估所述检查图像在使用所述注意力机制时的识别结果与所述标注结果之间的不一致程度。

9.如权利要求1所述的训练方法，其特征在于，

所述第三损失函数用于评估所述检查图像在使用所述互补注意力机制时的识别结果与无病变的标注结果之间的不一致程度。

10.如权利要求1所述的训练方法，其特征在于，

利用所述总损失函数对所述人工神经网络模块进行优化以使所述总损失函数最小化。

11.如权利要求1所述的训练方法，其特征在于，

组织病变为眼底病变。

12.一种基于人工神经网络的组织病变识别的训练系统，其特征在于，使用权利要求1至11的任一项所述的训练方法进行训练。