申请/专利权人：广东中科天机医疗装备有限公司

申请日：2021-01-08

公开（公告）日：2022-09-23

公开（公告）号：CN112766333B

主分类号：G06V10/764

分类号：G06V10/764;G06N3/04;G06N3/08;G06T7/10;G16H30/00

优先权：

专利状态码：有效-授权

法律状态：2022.09.23#授权;2021.05.25#实质审查的生效;2021.05.07#公开

摘要：本发明涉及一种医学影像处理模型训练方法，根据先验医学影像训练出包括了神经网络分割模型和神经网络分类模型的医学影像处理模型。基于此，通过医学影像处理模型的训练，在对待处理医学影像的处理中，可通过医学影像处理模型提前对待处理医学影像完成分割，降低待处理医学影像的干扰因素。同时，还可通过医学影像处理模型对待处理医学影像进行分类概率预测，预测待处理医学影像对应的医学信息分类概率，降低医护工作的负担以利于提高医护工作的效率。

主权项：1.一种医学影像处理模型训练方法，其特征在于，包括步骤：获取先验医学影像以及所述先验医学影像的先验分割影像，获得先验医学影像数据集和先验分割影像数据集；根据所述先验医学影像数据集和所述先验分割影像数据集建立第一神经网络，以训练神经网络分割模型；为所述先验分割影像标注医学信息分类标签，获得先验分割影像分类数据集；根据所述先验分割影像分类数据集建立第二神经网络，以训练神经网络分类模型；其中，神经网络分类模型表征为残差网络权值初始化网络；组合所述神经网络分割模型和所述神经网络分类模型，以训练医学影像处理模型；在所述获得先验医学影像数据集和先验分割影像数据集的过程之前，还包括步骤：对所述先验医学影像和所述先验分割影像进行第一图像预处理；所述第一神经网络包括U-Net神经网络；U-Net神经网络的损失函数为Dice损失函数；所述Dice损失函数如下式： 其中，X表示所述先验分割影像，Y表示预测的分割影像；第二神经网络包括深度卷积残差网络；深度卷积残差网络的损失函数为交叉熵损失函数；所述交叉熵损失函数如下式： 其中，K为所述医学信息分类标签的分类数量，y为所述医学信息分类标签，i为用于区分所述医学信息分类标签的类别，pi为所述神经网络分割模型输出的医学信息分类标签对应类别的概率；其中，若所述医学信息分类标签的类别为i，则yi＝1，否则yi＝0。

全文数据：

权利要求：

百度查询： 广东中科天机医疗装备有限公司 医学影像处理模型训练方法、医学影像处理方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD