生成用于图像处理的神经网络模型的系统和方法技术方案

本申请涉及生成用于图像处理的神经网络模型的系统和方法。该方法可以包括至少一个处理器从至少一个客户端接收至少两个第一训练样本；所述至少一个处理器使用所述至少两个第一训练样本训练第一神经网络模型来生成第二神经网络模型；所述至少一个处理器将所述第二神经网络模型发送到所述至少一个客户端；所述至少一个客户端生成从所述至少一个服务器设备接收的所述第二神经网络模型的第一测试结果；以及响应于确定所述第一测试结果满足第一条件，所述至少一个处理器确定所述第二神经网络模型作为用于图像处理的目标神经网络模型。

【技术实现步骤摘要】
生成用于图像处理的神经网络模型的系统和方法优先权信息本本申请要求于2018年9月30日提交的申请号为PCT/CN2018/109135的国际申请的优先权，其全部内容通过引用方式被包含于此。
本申请一般涉及医学图像处理，更具体地，涉及确定用于图像处理的神经网络模型的系统和方法。
技术介绍
医学成像系统，例如计算机断层摄影系统、正电子发射断层摄影系统、磁共振成像系统，通常用于临床检查和医学诊断。医学成像系统可以扫描对象以生成扫描数据，并且进一步基于扫描数据重建一个或以上图像。重建的图像可以进行进一步的处理。重建图像的处理可以包括图像降噪、图像增强、图像超分辨处理、图像伪影去除等。通常，重建图像的处理可以由客户端(例如，计算机)执行。如今，随着机器学习的发展，可以使用训练后的神经网络模型处理重建图像。可以由客户端通过训练神经网络模型生成和/或更新训练后的神经网络模型。然而，训练和/或更新神经网络模型可能需要强大的计算能力，如果在客户端训练神经网络模型，则可能占用客户端上的大量计算资源(例如，中央处理器)。因此，期望提供一种用于训练神经网络模型的方法和系统，该方法和系统不占用或占用较少的客户本文档来自技高网...

【技术保护点】
1.一种生成用于图像处理的神经网络模型的方法，所述方法包括：至少一个处理器从至少一个客户端接收至少两个第一训练样本；所述至少一个处理器使用所述至少两个第一训练样本训练第一神经网络模型来生成第二神经网络模型；所述至少一个处理器将所述第二神经网络模型发送到所述至少一个客户端；所述至少一个客户端生成从所述至少一个服务器设备接收的所述第二神经网络模型的第一测试结果；以及响应于确定所述第一测试结果满足第一条件，所述至少一个处理器确定所述第二神经网络模型作为用于图像处理的目标神经网络模型。

【技术特征摘要】
2018.09.30 CN PCT/CN2018/1091351.一种生成用于图像处理的神经网络模型的方法，所述方法包括：至少一个处理器从至少一个客户端接收至少两个第一训练样本；所述至少一个处理器使用所述至少两个第一训练样本训练第一神经网络模型来生成第二神经网络模型；所述至少一个处理器将所述第二神经网络模型发送到所述至少一个客户端；所述至少一个客户端生成从所述至少一个服务器设备接收的所述第二神经网络模型的第一测试结果；以及响应于确定所述第一测试结果满足第一条件，所述至少一个处理器确定所述第二神经网络模型作为用于图像处理的目标神经网络模型。2.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：所述至少一个客户端从第一医疗设备获取至少两个第一初始图像；所述至少一个客户端或所述至少一个处理器，通过使用第三神经网络模型处理所述至少两个第一初始图像生成至少两个第一处理后图像；以及所述至少一个客户端或所述至少一个处理器，指定所述至少两个第一初始图像和所述至少两个第一处理后图像作为所述至少两个第一训练样本。3.根据权利要求1或2所述的方法，其中，所述第二神经网络模型的所述第一测试结果包括所述第二神经网络模型的评价分数，所述方法进一步包括：通过所述至少一个处理器，确定所述第二神经网络模型的所述评价分数是否大于阈值；以及响应于确定所述第二神经网络模型的所述评价分数大于所述阈值，通过所述至少一个处理器，确定所述第一测试结果满足所述第一条件。4.根据权利要求3所述的方法，其特征在于，所述第二神经网络模型的所述评价分数是通过根据与一个或以上所述第一测试图像中的每一个相关的一个或以上质量参数评估一个或以上第一测试图像确定的，并且生成与所述第二神经网络模型相关的第一测试结果进一步包括：通过所述至少一个客户端，从第二医疗设备获取一个或以上第二初始图像；通过所述至少一个客户端，通过使用所述第二神经网络模型处理所述一个或以上第二初始图像来生成所述一个或以上测试图像；以及通过所述至少一个客户端，评估与所述一个或以上测试图像中的每一个相关的所述一个或以上质...

【专利技术属性】
技术研发人员：鲍园，全国涛，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31