用于X射线的基于不确定性的产品内学习制造技术

一种用于提供训练数据的系统(SYS)及相关方法。所述系统被配置为：接收来自多个预定义类(Cj)的类的分类结果。所述分类结果由经训练的机器学习模型(M)响应于处理输入图像而产生。所述系统的决策逻辑(DL)被配置为：分析包括所接收的分类结果值(pi)和与分类结果值相关联的不确定性值(qi)的输入数据(pi，qi)。系统针对每个类输出相关联的指示，该相关联的指示用于指示所述输入图像对于关于所述类来再训练模型(M)是否有用。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术广泛涉及机器学习。具体地，本专利技术涉及一种用于提供在机器学习中使用的训练数据的系统、一种用于提供训练数据的方法、一种成像布置、以及一种计算机程序单元和一种计算机可读介质。

技术介绍

1、ghesu,f.c.,georgescu,b.,mansoor,a.,yoo,y.,gibson,e.,vishwanath,r.s.,...&comaniciu,d.(2021).quantifying and leveraging predictive uncertaintyfor medical image assessment.medical image analysis,68,101855公开了一种系统，该系统不仅学习用于医学输入图像分类的概率估计，而且还学习捕获在预测输出中系统的置信度的显式不确定性测量。

2、an,s.,kim,j.,kang,m.,razaei,s.,&liu,x.(2021).oaae:adversarialautoencoders for novelty detection in multi-mod本文档来自技高网...

【技术保护点】

1.一种用于提供训练数据的系统(SYS)，

2.根据权利要求1所述的系统，其中，自上次训练以来由所述模型(M)处理的图像的输入数据(pi,qi)能够添加到所述部署经验集。

3.根据权利要求1或2所述的系统，其中，由所述系统进行的所述分析是基于至少一个准则的，并且其中，所述准则是能够基于所述部署经验集的大小来进行适配的。

4.根据权利要求3所述的系统，包括计数器(CNT)，所述计数器被配置为针对每个类跟踪所述部署经验集的子集的大小。

5.根据权利要求3-4中任意一项所述的系统，其中，放宽所述准则以便增加能够指示为对于再训练有用的未来输入图像的...

【技术特征摘要】
【国外来华专利技术】

1.一种用于提供训练数据的系统(sys)，

2.根据权利要求1所述的系统，其中，自上次训练以来由所述模型(m)处理的图像的输入数据(pi,qi)能够添加到所述部署经验集。

3.根据权利要求1或2所述的系统，其中，由所述系统进行的所述分析是基于至少一个准则的，并且其中，所述准则是能够基于所述部署经验集的大小来进行适配的。

4.根据权利要求3所述的系统，包括计数器(cnt)，所述计数器被配置为针对每个类跟踪所述部署经验集的子集的大小。

5.根据权利要求3-4中任意一项所述的系统，其中，放宽所述准则以便增加能够指示为对于再训练有用的未来输入图像的数量。

6.根据前述权利要求中任一项所述的系统，其中，由所述系统进行的所述分析包括：所述系统(sys)执行关于所述不确定性值(qi)相对于所述类的先前输入数据的不确定性值的离群分析。

7.根据前述权利要求中任一项所述的系统，其中，所述系统被配置为从具有相似分类结果得分(pi)和不确定性值(qi)的多个无用图像中识别不在所述预定义类(cj)之中的新类。

8.根据权利要求7所述的系统，其中，所...

【专利技术属性】
技术研发人员：D·马夫罗伊迪斯，R·弗多夫亚克，A·扎尔巴赫，M·兰加，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：