公开(公告)号：CN112634208A

公开(公告)日：2021-04-09

申请号：CN202011445351.5

申请日：2020-12-09

申请人： 浙江求是数理医学研究院 ,  海盐县南北湖医学人工智能研究院 ,  浙江大学

发明人： 孔德兴 ,  梁萍 ,  罗定存 ,  徐栋 ,  于杰 ,  李世岩 ,  张燕 ,  包凌云 ,  陈利民 ,  董立男 ,  杨琪 ,  蔡文佳 ,  赵勤显

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及医学图像处理领域，旨在提供一种基于深度学习的超声影像混合训练方法。包括步骤：利用资料库中不同检查部位的超声影像数据，准备训练集、验证集和测试集；对各数据集进行预处理；构建并训练卷积神经网络，训练时采用多通道输出，但只有单一通道参与反向传播；对训练好的卷积神经网络进行测试。本发明通过结合多个不同病种的超声数据集一起训练，使得卷积神经网络模型能够接触到更多样本，缓解数据集样本少、病例单一的问题，进而提高训练得到的模型在单个任务上的表现。本发明将多个超声任务通过同一个卷积神经网络完成，可降低训练和部署成本，提升用户体验。

公开(公告)号：CN112634208B

公开(公告)日：2022-07-05

申请号：CN202011445351.5

申请日：2020-12-09

申请人： 浙江求是数理医学研究院 ,  海盐县南北湖医学人工智能研究院 ,  浙江大学

发明人： 孔德兴 ,  梁萍 ,  罗定存 ,  徐栋 ,  于杰 ,  李世岩 ,  张燕 ,  包凌云 ,  陈利民 ,  董立男 ,  杨琪 ,  蔡文佳 ,  赵勤显

IPC分类号： G06T7/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及医学图像处理领域，旨在提供一种基于深度学习的超声影像混合训练方法。包括步骤：利用资料库中不同检查部位的超声影像数据，准备训练集、验证集和测试集；对各数据集进行预处理；构建并训练卷积神经网络，训练时采用多通道输出，但只有单一通道参与反向传播；对训练好的卷积神经网络进行测试。本发明通过结合多个不同病种的超声数据集一起训练，使得卷积神经网络模型能够接触到更多样本，缓解数据集样本少、病例单一的问题，进而提高训练得到的模型在单个任务上的表现。本发明将多个超声任务通过同一个卷积神经网络完成，可降低训练和部署成本，提升用户体验。