[发明专利]基于终身学习的胸膜病变分割的知识蒸馏方法及装置

权利要求书

1.一种基于终身学习的胸膜病变分割的知识蒸馏方法，其特征在于，包括如下步骤，

S1、将已训练好的胸膜病变分病种的多个原模型的softmax分布知识蒸馏后，得到原模型知识，将所述原模型知识赋予要建立的模型的softmax分布，得到一个新模型；

S2、对胸膜病变图片集中的CT图像进行预处理；

S3、将预处理后的一张CT图像分别输入训练好的多个原模型，得到多个分割结果；

S4、将S3得到的多个分割结果堆砌起来与原CT图像的标签计算第一损失值；

S5、将S3的预处理后的一张CT图像输入到所述新模型得到预测图，将所述预测图与原CT图像的标签计算损失后得到第二损失值；

S6、将所述第一损失值和所述第二损失值使用梯度下降算法进行加权求和，得到用来更新新模型的梯度；

S7、将梯度进行反向传播，更新新模型的权重参数；

S8、在添加新病种的情况下，将训练好的一个新病种模型加入原模型，将新病种的CT图像加入原有胸膜病变图片集，执行步骤S1-S7，进行终身学习。

2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：

根据公式1建立一个广义的softmax函数：

公式1；

其中，T表示温度，Z表示一个向量，Z_i和Z_j是其中的一个元素；

根据公式2对原模型进行蒸馏：

公式2；

其中，q为新模型利用公式1产生的分布，p为原模型利用公式1产生的分布，C为损失值；

将原模型中的知识提取出来赋予要建立的模型，得到一个新模型。

3.根据权利要求1所述的方法，其特征在于，所述S8还包括：

若没有单独训练过新类别的数据，对新病种的CT图像进行预处理，将预处理后的CT图像输入到新模型得到预测图，将所述预测图与原图标签计算损失后得到损失值，将损失值进行反向传播，更新新模型。

4.根据权利要求3所述的方法，其特征在于，所述S2和所述对新病种的CT图像进行预处理具体包括：

步骤一，根据公式3对将CT图像的X线吸收系数换算成CT值：

公式3；

其中，HU表示CT值的单位，用于表示CT值，slope为存储在磁盘表示中的像素到存储在内存表示中的像素的线性转换的缩放斜率，intercept为存储在磁盘表示中的像素到存储在内存表示中的像素的线性转换的截距；pixel为CT图像像素；

步骤二，调整CT图像的窗宽窗位，使得胸膜获得最佳显示；

步骤三，对于部分病变部位特别小的图片采取中心裁剪的方法，即只选取有目标位置的区域，相对放大有效区域；

步骤四，选定所有有目标区域的切片索引，随机选取索引，并且以随机选取的切片中心随机偏移正负N个索引，再取前后N个切片构成2N切片为一个整体的3D图像；

步骤五，在所述整体的3D图像中，加入一定比例的非有效区域，得到完整的3D图像，图像预处理完成。