[发明专利]结节检测及其模型训练的方法和装置以及电子设备有效
| 申请号： | 201910176671.6 | 申请日： | 2019-03-08 |
| 公开（公告）号： | CN110276741B | 公开（公告）日： | 2022-12-16 |
| 发明（设计）人： | 陈鹏;孙钟前;程陈;杨巍 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/764;G06V10/82;G06N3/04 |
| 代理公司： | 深圳市联鼎知识产权代理有限公司 44232 | 代理人： | 刘抗美 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明揭示了一种结节检测及其模型训练的方法和装置、计算机可读存储介质以及电子设备。所述结节检测的模型训练方法包括：基于已标注结节位置的训练图像序列，获取包含结节的正样例和不包含结节的负样例，并对所述正样例和负样例进行扰动处理；使用卷积神经网络CNN模型对所述扰动处理前后的正样例和负样例进行特征提取，并分别获取正特征相似度损失和负特征损失；以及基于所述正特征相似度损失和负特征损失的联合损失训练所述CNN模型。基于本发明实施例的方案，通过在CNN模型的训练中引入正特征相似度损失和负特征损失，能避免模型在高噪音数据下出现过拟合的情况，使得基于训练好的模型提取的特征向量有更强的辨别力。 | ||
| 搜索关键词： | 结节 检测 及其 模型 训练 方法 装置 以及 电子设备 | ||
【主权项】：
1.一种用于结节检测的模型训练方法，其特征在于，所述方法包括：基于已标注结节位置的训练图像序列，获取包含结节的正样例和不包含结节的负样例，并对所述正样例和负样例进行扰动处理；使用卷积神经网络CNN模型对所述扰动处理前后的正样例和负样例进行特征提取，并分别获取正特征相似度损失和负特征损失；以及基于所述正特征相似度损失和负特征损失的联合损失训练所述CNN模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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腾讯科技（深圳）有限公司，未经腾讯科技（深圳）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/patent/201910176671.6/，转载请声明来源钻瓜专利网。
