[发明专利]一种基于模型迁移的十二指肠自训练分类方法及系统

权利要求书

1.一种基于模型迁移的十二指肠自训练分类方法，其特征在于，包括：

对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；

利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；

将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。

2.根据权利要求1所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，对图像进行预处理包括：将预设部位和十二指肠的图像经过旋转、缩放、平移、水平翻转、剪裁以及标准化处理。

3.根据权利要求2所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，所述预设部位包括胃部及其它脏器。

4.根据权利要求3所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型的步骤，包括：

通过对Efficient-B3网络深度、宽度和输入图像分辨率进行综合的调整，在Efficient-B3的输出上增加一个预设数值的分类器得到分类模型，将预设部位的特征向量输入到分类模型进行微调，得到预设部位的分类模型。

5.根据权利要求1所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型的步骤，包括：

将预设部位分类模型中预设数值的分类器替换为一个二分类器，采用预设分类函数进行分类获得其模型概率的数值，使用预设损失函数进行损失计算，得到迁移的模型；

二分类初始的训练集包含预设张数的正常和溃疡的十二指肠溃疡图像，利用数据增强过的训练集对迁移的模型进行训练，得到十二指肠二分类模型，从未标注样本中挑选出打分较高的正常和溃疡的十二指肠溃疡图像放入训练集中，重新对十二指肠二分类模型进行训练，当损失函数值最小时，迁移模型收敛，完成十二指肠自训练模型的训练。

6.根据权利要求5所述的基于模型迁移的十二指肠自训练分类方法，其特征在于，通过以下公式计算预设损失值：

其中，CE是CrossEntropy交叉熵损失函数，y_true(x_i)是预设部位图片x_i的输出概率，y_pred(x_i)是预设部位图片x_i对应的样本真实标签。

7.一种基于模型迁移的十二指肠自训练分类系统，其特征在于，包括：

预设部位分类模型获取模块，用于对包含大量预设部位图像的图像集进行预处理，提取预设部位的特征向量，将特征向量输入到预设分类模型进行训练，得到预设部位的分类模型；

模型迁移模块，用于利用模型迁移将训练好的预设部位的分类模型迁移至十二指肠，得到迁移的模型，基于少量预处理后的十二指肠正常和溃疡的图像，对迁移的模型进行训练，得到十二指肠自训练分类模型；

十二指肠自训练分类模块，用于将待分类的十二指肠图像进行预处理，输入到十二指肠自训练分类模型中，计算图像类型的概率，得到正常十二指肠或十二指肠溃疡的分类结果。

8.一种终端，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-6任一所述的基于模型迁移的十二指肠自训练分类方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6任一所述的基于模型迁移的十二指肠自训练分类方法。