【技术实现步骤摘要】
一种针对条件与标签漂移的对抗训练域适应诊断系统
[0001]本专利技术实施例涉及预适应技术，尤其涉及一种针对条件与标签漂移的对抗训练域适应诊断系统。
技术介绍
[0002]近年来，经胸超声图像被广泛用于先天性心脏病的诊断与分类。随着数据的积累，深度学习模型在该任务上取得了较好的成绩。但深度学习模型也有其局限性：一方面，深度学习算法需要依赖大量的训练数据做训练，才能更好的优化模型的参数，避免过拟合。另一方面，深度学习算法需要满足训练数据和测试数据独立同分布的假设，即真实采集的数据和训练用的训练数据从分布上一致。
[0003]在实际临床场景下，受仪器设备型号、参数、医生操作习惯、患者人群的影响，不同中心的采集数据往往有较大的偏差。此外，不同地区的先心病发病类型的频率也有很大差异。对每个中心进行大规模的重新标注将极大地增加工作量与成本。对于海量数据标注是一个费时费力的过程，通过大规模的标注数据进行训练的方式是不切实际的。
[0004]为了避免高成本的标注，并且有效利用容易大量获取到的无标注测试数据，减轻域偏移现象，...
【技术保护点】
【技术特征摘要】
1.一种针对条件与标签漂移的对抗训练域适应诊断系统，其特征在于，所述系统包括：获取模块，用于获取舒张期心脏超声图像对应的多通道图像数据；交替学习模块，用于对所述多通道图像数据进行交替学习，在每一次迭代回合中对所述多通道图像数据依次执行条件漂移配准与目标域标签分布估计，直至损失函数收敛。2.根据权利要求1所述的系统，其特征在于，所述交替学习模块具体用于：S11、从所述多通道图像数据中采集样本x输入到编码器神经网络f中得到特征向量f(x)，若样本x来自源域，则通过分类器Cls计算f(x)与其对应标签y的损失函数S12、通过判别器Dis对特征向量f(x)进行关于源域或目标域的二分类，得到所述特征向量f(x)的二元分类损失函数S13、对分类器Cls按照最小化进行梯度回传，以实现分类器Cls的优化更新；S14、对判别器Dis按照最小化进行梯度回传，以实现判别器Dis的优化更新；...
【专利技术属性】
技术研发人员：刘小沣，
申请(专利权)人：苏州泛函信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。