[发明专利]网络模型训练方法及装置、病灶区域确定方法及装置

权利要求书

1.一种网络模型训练方法，其特征在于，包括：

基于样本图像确定第一训练数据，其中，所述样本图像包括病灶区域，所述第一训练数据包括标记的第一病灶区域坐标信息和第一病灶类型信息；

确定初始网络模型，并基于所述样本图像训练所述初始网络模型，以生成用于确定医学图像中的病灶区域的网络模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述样本图像训练所述初始网络模型，以生成用于确定医学图像中的病灶区域的网络模型，包括：

将所述样本图像输入至所述初始网络模型，以确定与所述第一训练数据对应的第二训练数据，其中，所述第二训练数据包括第二病灶区域坐标信息和第二病灶类型信息；

基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作，以生成用于确定医学图像中的病灶区域的网络模型。

3.根据权利要求2所述的方法，其特征在于，所述初始网络模型包括信号连接的图像特征提取模型和预测模型，所述基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作，包括：

基于所述第二训练数据中的所述第二病灶类型信息与所述第一训练数据中的所述第一病灶类型信息调整所述预测模型的网络参数和所述图像特征提取模型的网络参数。

4.根据权利要求3所述的方法，其特征在于，所述预测模型包括坐标信息预测子模型和类型信息预测子模型，所述基于所述第二训练数据中的所述第二病灶类型信息与所述第一训练数据中的所述第一病灶类型信息调整所述预测模型的网络参数和所述图像特征提取模型的网络参数，包括：

基于所述第二病灶类型信息和所述第一病灶类型信息调整所述预测模型中的所述类型信息预测子模型的网络参数；

基于调整后的所述类型信息预测子模型调整所述图像特征提取模型的网络参数；

基于调整后的所述图像特征提取模型调整所述预测模型中的所述坐标信息预测子模型的网络参数。

5.根据权利要求4所述的方法，其特征在于，所述类型信息预测子模型中的损失函数包括基于预测概率生成的对数函数。

6.根据权利要求4所述的方法，其特征在于，所述类型信息预测子模型中的损失函数和/或所述坐标信息预测子模型中的损失函数为交叉熵损失函数。

7.根据权利要求3所述的方法，其特征在于，所述基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作，还包括：

基于所述第二训练数据中的所述第二病灶区域坐标信息和所述第一训练数据中的所述第一病灶区域坐标信息调整所述图像特征提取模型的网络参数。

8.根据权利要求3至7任一所述的方法，其特征在于，所述图像特征提取模型包括ResNext-50网络模型和全景特征金字塔网络模型。

9.根据权利要求2所述的方法，其特征在于，所述基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作，以生成用于确定医学图像中的病灶区域的网络模型，包括：

基于所述第一训练数据和所述第二训练数据对所述初始网络模型进行第一次参数调整操作；

基于所述样本图像和进行所述第一次参数调整操作后的初始网络模型确定与所述第一训练数据对应的第三训练数据，其中，所述第三训练数据包括第三病灶区域坐标信息和第三病灶类型信息；

基于所述第一训练数据和所述第三训练数据对进行所述第一次参数调整操作后的初始网络模型进行第二次参数调整操作，以生成用于确定医学图像中的病灶区域的网络模型。

10.根据权利要求1至7任一所述的方法，其特征在于，所述基于样本图像确定第一训练数据，包括：

确定包括病灶区域的样本图像和标记规则；

基于所述标记规则对所述样本图像进行标记操作，以生成第一训练数据。