申请/专利权人：之江实验室

申请日：2023-10-07

公开（公告）日：2024-03-22

公开（公告）号：CN117011617B

主分类号：G06V10/766

分类号：G06V10/766;G06V10/774;G06V10/25;G06V10/82;G06N3/0464;G06N3/047;G06N3/088;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.11.24#实质审查的生效;2023.11.07#公开

摘要：本发明公开一种基于二阶段教师‑学生框架的肺结节检测装置及构建方法，包括构建训练集，构建教师网络，利用强标注数据集和弱标注数据集，预训练教师‑学生框架中的教师网络，获取一个鲁棒的第一训练好的教师网络；再利用强弱标注数据集及在教师网络中得到的伪标签，构建并训练教师‑学生框架中的学生网络，获得肺结节检测装置本发明在混合监督的设置下，采用二阶段教师‑学生框架，仅利用少量的强标注数据，及一定量的弱标注数据，便可以有效地检测出形态、大小和位置不一的肺结节。相比于传统的完全监督学习方法，本发明能够较大地降低数据标注的成本和负担，并取得良好的检测性能。

主权项：1.一种基于二阶段教师-学生框架的肺结节检测装置构建方法，其特征在于，所述基于二阶段教师-学生框架的肺结节检测装置至少包括肺结节检测模块，所述肺结节检测模块通过如下方法构建获得：构建训练集，所述训练集包含基于肺结节CT图像的强标注数据集和弱标注数据集；构建教师网络，所述教师网络包含一个骨架网络、一个区域候选网络和一个双通道校准网络；其中，骨架网络用于提取输入图像的基本特征；区域候选网络包含分类和回归任务，分别用于预测候选边界框的分类结果和回归结果；双通道校准网络由两个校准网络构成，均包含分类和回归任务，分别用于基于区域候选网络预测的候选边界框及翻转后得到的翻转的候选边界框对骨架网络中间层、底层特征裁剪得到的第一特征及第二特征输出分类结果和回归结果；将训练集中的每一肺结节CT图像中每个结节的中心点拟合一个高斯分布，生成高斯热图，并将高斯热图与原始的肺结节CT图像在通道维度上连接，得到第一点增强的CT图像；再将点增强的CT图像沿z轴翻转，得到第二点增强的CT图像；将第一点增强的CT图像和第二点增强的CT图像一起作为教师网络的输入，通过优化第一损失函数对教师网络进行训练，获得第一训练好的教师网络；所述第一损失函数包括基于区域候选网络输出的第一点增强的CT图像和第二点增强的CT图像对应的候选边界框的回归结果的一致性回归损失、基于双通道校准网络输出的第一特征及翻转后得到的第二特征的分类结果的一致性分类损失、基于区域候选网络和双通道校准网络的分类损失和回归损失；将信息瓶颈插入至第一训练好的教师网络的骨架网络的中间层中，使用IB损失优化信息瓶颈，获得第二训练好的教师网络；构建学生网络，所述学生网络依次连接一个骨架网络、一个区域候选网络及一个单通道校准网络；将一热图生成模块插入至学生网络骨架网络的中间层，用于生成热图；同时将训练集中的每一肺结节CT图像作为第二训练好的教师网络和学生网络的输入，通过优化第二损失函数对学生网络进行训练，获得训练好的学生网络即为肺结节检测模块；所述第二损失函数包含基于区域候选网络和单通道校准网络的分类损失和回归损失，以及基于第二训练好的教师网络和热图生成模块输出的热图的一致性损失。

全文数据：

权利要求：

百度查询： 之江实验室 基于二阶段教师-学生框架的肺结节检测装置及构建方法

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