一种基于参数迁移的甲状腺结节识别模型训练方法及系统技术方案

本发明专利技术公开了一种基于参数迁移的甲状腺结节识别模型训练方法及系统，所述方法包括：获取带标记的源域数据和甲状腺结节超声图像；采用所述源域数据对卷积神经网络进行预训练，得到预训练模型参数；在所述卷积神经网络的基础上对全连接层进行增减，保留的层采用预训练模型参数，以甲状腺结节超声图片作为输入，对修改后的卷积神经网络进行训练，得到甲状腺结节识别模型，用于对甲状腺结节进行识别，辅助诊断。本发明专利技术通过引入迁移学习的思想，解决了因甲状腺结节影响数据目标识别难度大，特征不明显从而难以训练的问题。明显从而难以训练的问题。明显从而难以训练的问题。

【技术实现步骤摘要】
一种基于参数迁移的甲状腺结节识别模型训练方法及系统


[0001]本专利技术属于计算机辅助医疗
，尤其涉及一种基于参数迁移的甲状腺结节识别模型训练方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着科技的不断进步，医学影像采集愈加便利和精准，成为医生诊断患者病情的直接依据。对于甲状腺结节的检查目前主要依靠超声，相较于CT和核磁，超声的好处是便宜、灵活、实时、无副作用；但缺点是图像不清楚、噪音比较大，这对医生的要求就比较高。而CT和核磁的优点是图像清晰，缺点是检测费用高、副作用比较大。基于此，我们就选择了基于甲状腺结节超声影像的识别和诊断。传统的医学影像的诊断的工作流程大体是这样的：首先将非结构化影像数据进行识别、分析与处理，提取相关信息；其次，将大量临床影像数据和诊断经验输入人工智能模型，使神经元网络进行深度学习训练；最后，基于不断验证、总结与迭代的算法模型，进行影像诊断智能推理，输出个性化的诊疗判断结果。
[0004]专利技术人发现现有技术中存在以下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，包括以下步骤：获取带标记的源域数据和甲状腺结节超声图像；采用所述源域数据对卷积神经网络进行预训练，得到预训练模型参数；在所述卷积神经网络的基础上对全连接层进行增减，保留的层采用预训练模型参数，以甲状腺结节超声图片作为输入，对修改后的卷积神经网络进行训练，得到甲状腺结节识别模型。2.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述预训练采用局部监督学习的训练方法。3.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述卷积神经网络采用VGG16网络模型。4.如权利要求1所述的基于参数迁移的甲状腺结节识别模型训练方法，其特征在于，所述在所述卷积神经网络的基础上对全连接层进行增减为：删除最后三层全连接层添加三个全连接层。5.一种基于参数迁移的甲状腺结节识别模型训练系统，其特征在于，包括：训练数据获取模块，被配置为：获取已进行数据标记的源域数据和甲状腺结节超声图像；预训练模块，被配置为：采用所述源域数据对卷积神经网络进行预训练，得到预训练模型参数；迁移训练模块，被配置为：在所述卷积神经网络的基础上对全连接层进行增减，保留的层...

【专利技术属性】
技术研发人员：王红，杨杰，王正军，滑美芳，杨雪，李刚，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：