[发明专利]一种基于参数迁移的甲状腺结节识别模型训练方法及系统

权利要求书

1.一种基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，包括以下步骤：

获取带标记的源域数据和甲状腺结节超声图像；

采用所述源域数据对卷积神经网络进行预训练，得到预训练模型参数；

在所述卷积神经网络的基础上对全连接层进行增减，保留的层采用预训练模型参数，以甲状腺结节超声图片作为输入，对修改后的卷积神经网络进行训练，得到甲状腺结节识别模型。

2.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述预训练采用局部监督学习的训练方法。

3.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述卷积神经网络采用VGG16网络模型。

4.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述在所述卷积神经网络的基础上对全连接层进行增减为：删除最后三层全连接层添加三个全连接层。

5.一种基于参数迁移的甲状腺结节识别模型训练系统，其特征在于，包括：

训练数据获取模块，被配置为：获取已进行数据标记的源域数据和甲状腺结节超声图像；

预训练模块，被配置为：采用所述源域数据对卷积神经网络进行预训练，得到预训练模型参数；

迁移训练模块，被配置为：在所述卷积神经网络的基础上对全连接层进行增减，保留的层采用预训练模型参数，以甲状腺结节超声图片作为输入，对修改后的卷积神经网络进行训练，得到甲状腺结节识别模型。

6.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述预训练采用局部监督学习的训练方法。

7.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述在所述卷积神经网络的基础上对全连接层进行增减为：删除最后三层全连接层添加三个全连接层。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的方法。

10.一种基于参数迁移的甲状腺结节识别系统，其特征在于，包括：

数据获取模块，被配置为获取待识别的甲状腺超声图像；

甲状腺结节识别模块，被配置为根据所述甲状腺超声图像，采用甲状腺结节识别模型，进行甲状腺结节识别；其中所述甲状腺结节识别模型采用如权利要求1-4任一项所述的方法进行训练。