[发明专利]用于执行多重分析的神经网络的权重的分层学习

权利要求书

1.一种用于执行医学成像分析的方法，包括：

接收用于执行多个医学成像分析其中的一个特定医学成像分析的输入医学成像数据，其中所述多个医学成像分析其中的每一个都与不同模态、解剖和任务其中至少之一相关联，其中所述任务包括检测、识别、分割和配准其中至少之一；

在使用被训练用于执行所述多个医学成像分析的神经网络的情况下生成输出，所述输出提供关于所述输入医学成像数据的所述特定医学成像分析的结果，其中通过在使用与所述多个医学成像分析其中不同的一个医学成像分析相关联的一个或多个权重的情况下学习与所述特定医学成像分析相关联的一个或多个权重来训练所述神经网络；以及

输出用于执行所述特定医学成像分析的所生成的输出，

其中训练所述神经网络包括：

在使用训练医学成像数据的数据集的情况下训练所述神经网络，所述数据集其中的每个都与所述 多个医学成像分析其中的相应一个相关联并且被用于训练目标网络，所述目标网络表示用于执行所述多个医学成像分析其中的相应一个的所述神经网络的一个分支，以及

通过学习对于所述神经网络的每个节点的权重集合来训练所述神经网络，对于每个节点的所述权重集合中的所述权重具有分层关系，以使得在所述分层关系的顶部层级处的权重与所述多个医学成像分析其中的每一个相关联，并且在所述分层关系的底部层级处的权重各自与所述 多个医学成像分析其中的相应一个相关联，

其中学习对于所述神经网络的每个节点的所述权重集合包括：

对在所述分层关系的较高层级处的权重进行级联，以用于学习在所述分层关系的较低层级处的与相同模态和/或解剖相关联的权重。

2.根据权利要求1所述的方法，其中所述对于每个节点的权重集合包括：

终极网权重，所述终极网权重包括在所述分层关系的所述顶部层级处的所述权重；

一个或多个各自与模态相关联的超级网权重以及一个或多个各自与解剖相关联的超级网权重；

一个或多个各自与模态和解剖相关联的超网权重；以及

多个目标网络权重，所述多个目标网络权重包括在所述分层关系的所述底部层级处的所述权重。

3.根据权利要求1所述的方法，其中学习对于所述神经网络的每个节点的所述权重集合包括：

将与相同模态、解剖和任务其中至少之一相关联的对于所述神经网络中的第一节点的权重组合以形成组合权重；以及

在使用所述组合权重的情况下学习对于所述神经网络中的第二节点的权重。

4.根据权利要求1所述的方法，其中训练医学成像数据的数据集包括输入训练医学成像数据，所述方法进一步包括：

在使用多任务学习的情况下生成对应于所述输入训练医学成像数据的输出训练医学成像数据，基于在将图像用作输入和输出的情况下所学习的关系来训练所述多任务学习。

5.一种用于根据权利要求1所述的方法来执行医学成像分析的装置，所述装置包括：

用于接收输入医学成像数据的工具，所述输入医学成像数据用于执行多个医学成像分析其中的一个特定医学成像分析；

用于在使用被训练用于执行所述多个医学成像分析的神经网络的情况下生成输出的工具，所述输出提供关于所述输入医学成像数据的所述特定医学成像分析的结果，其中通过在使用与所述多个医学成像分析其中不同的一个医学成像分析相关联的一个或多个权重的情况下学习与所述特定医学成像分析相关联的一个或多个权重来训练所述神经网络；以及

用于对所生成的用于执行所述特定医学成像分析的输出来进行输出的工具。

6.根据权利要求5所述的装置，其中所述对于每个节点的权重集合包括：

终极网权重，所述终极网权重包括在所述分层关系的所述顶部层级处的所述权重；

一个或多个各自与模态相关联的超级网权重以及一个或多个各自与解剖相关联的超级网权重；

一个或多个各自与模态和解剖相关联的超网权重；以及

多个目标网络权重，所述多个目标网络权重包括在所述分层关系的所述底部层级处的所述权重。

7.一种非瞬时计算机可读介质，所述非瞬时计算机可读介质存储用于根据权利要求1所述的方法来执行医学成像分析的计算机程序指令，当被处理器执行时，所述计算机程序指令促使所述处理器执行包括以下各项的操作：

接收用于执行多个医学成像分析其中的一个特定医学成像分析的输入医学成像数据；

在使用被训练用于执行所述多个医学成像分析的神经网络的情况下生成输出，所述输出提供关于所述输入医学成像数据的所述特定医学成像分析的结果，其中通过在使用与所述多个医学成像分析其中不同的一个医学成像分析相关联的一个或多个权重的情况下学习与所述特定医学成像分析相关联的一个或多个权重来训练所述神经网络；以及

输出用于执行所述特定医学成像分析的所生成的输出。